使用三层神经元网络的先验信息新学习方法 |
| |
作者姓名: | 吕柏权 村田纯一 平泽宏太郎 |
| |
作者单位: | 1. 上海大学自动化系控制与决策教研室,上海 200027 2. 九州大学信息科学研究院,福冈,日本 |
| |
基金项目: | 上海市教委自然科学基金(03AK14)资助项目 |
| |
摘 要: | 提出一种使用三层神经元网络的先验信息的新学习方法. 通常, 当神经元网络被用于函数逼近时, 没有考虑权之间的关系而独立地学习, 这样, 学习的结果往往不理想. 其原因是在学习中权是相互影响的. 为了克服这一问题, 首先, 给出了一些有关权的先验信息, 然后基于此提出部分权学习和其余权由精确数学方程计算的新学习方法. 这方法在权的学习中几乎保持精确数学结构. 另外, 使用不等式先验信息的学习方法也被提出了. 无论使用不等式还是等式先验信息的学习, 因网络权的自由度被限制而加快了学习速度并保证误差较小. 数值仿真的结果支持提出方法.
|
关 键 词: | 神经元网络学习 部分参数学习 精确数学结构 先验信息 |
收稿时间: | 2003-04-15 |
修稿时间: | 2003-07-11 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
| 点击此处可从《中国科学(E辑)》浏览原始摘要信息 |
|
点击此处可从《中国科学(E辑)》下载全文 |
|