基于梯度监督学习的理论与应用(Ⅱ)——训练机制 |
| |
引用本文: | 司捷,周贵安,李函,韩英铎.基于梯度监督学习的理论与应用(Ⅱ)——训练机制[J].清华大学学报(自然科学版),1997(9). |
| |
作者姓名: | 司捷 周贵安 李函 韩英铎 |
| |
作者单位: | 清华大学电机工程及应用电子技术系 |
| |
摘 要: | 基于梯度算法和前馈网络所具有的普遍近似性质,提出了一种新的监督型多目标系统化训练机制。在学习过程的实现中,该训练机制一方面能使参数集合选择适当以避免过适应,另一方面能以较少的计算及存储复杂度使网络输出达到所要的精度,保证网络具有满意的可检验性和通用性。新的算法(PTNT)能够在一个过程里同时考虑神经网络训练的几个方面,并且在训练时间和准确度方面也都优于BP算法及其衍生算法。PTNT算法具有类似于LM算法的收敛性,但存储复杂度远远少于LM的一半。文中通过仿真结果证明这种监督训练机制和前馈网络在不同问题环境下的适用性,评价了其有效性。
|
关 键 词: | 神经网络 监督训练 训练机制 PTNT算法 |
本文献已被 CNKI 等数据库收录! |
|