基于GaussNewton-NL2SOL法的前馈神经网络及应用 |
| |
作者姓名: | 徐晋 |
| |
作者单位: | 上海交通大学,管理学院,上海,200030 |
| |
摘 要: | 目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度,但只对小残量或零残量问题有效,对大残量问题则收敛很慢甚至不收敛.为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题,引入NL2SOL优化算法,并与GaussNewton法相结合,构建基于GaussNewton-NL2SOL法的前馈神经网络.仿真实例表明,该神经网络较好地解决了残量问题,具有良好的收敛性和稳定性.
|
关 键 词: | 前馈神经网络 GaussNewton法 NL2SOL法 残量问题 收敛性 稳定性 |
文章编号: | 1000-582X(2004)04-0118-04 |
修稿时间: | 2003-09-15 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
| 点击此处可从《重庆大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《重庆大学学报(自然科学版)》下载全文 |
|