前馈型神经网络新学习算法的研究 |
| |
引用本文: | 杨永洁,张继德,孙桂波.前馈型神经网络新学习算法的研究[J].科技信息,2012(18):141-142. |
| |
作者姓名: | 杨永洁 张继德 孙桂波 |
| |
作者单位: | 河北联合大学电气工程学院 |
| |
摘 要: | 前馈神经网络在非线性系统的建模及控制中有着广阔的应用前景,但是该网络的学习算法—向后传播算法(Backpropagation(BP)Algorithm)算法存在一些不足。为了提高多层前馈神经网络的学习效率及稳定性,引入了非线性最小二乘法。通过与其他学习算法的比较,得出结论:其中用差商近似代替导数的Powell法是一种高效、快速的学习方法,其学习速率比带动量项的学习率自适应的BP算法高一个量级,而比Daviden Fletcher Powell(DFP)、BroydenFletcher Goldfarl Shanno(BFGS)等变尺度方法以及其他非线性最小二乘法的稳定性要好得多。
|
关 键 词: | 前馈神经网络 学习算法 非线性最小二乘法 |
本文献已被 CNKI 维普 等数据库收录! |
|