计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2009年
7期
172-174
,共3页
神经网络%改进算法%批处理%动态学习率%交叉熵
神經網絡%改進算法%批處理%動態學習率%交扠熵
신경망락%개진산법%비처리%동태학습솔%교차적
针对BP神经网络的原始算法收敛速率慢、学习精度低、训练过程易陷入局部极小值问题,为解决上述问题,提出一种以变学习率BP算法为基础的改进算法,通过区分隐层和输出层的学习率,并用交叉熵作性能函数,提高算法的学习精度和训练速度,并经过数学推导,得到改进箅法的实现公式.将改进算法应用于奇偶数判别问题进行仿真,仿真实验结果与其它类似的方法进行比较后,发现改进算法大大降低了网络迭代次数,缩短了网络的训练时间,提高了训练精度,验证了该算法的有效性.
針對BP神經網絡的原始算法收斂速率慢、學習精度低、訓練過程易陷入跼部極小值問題,為解決上述問題,提齣一種以變學習率BP算法為基礎的改進算法,通過區分隱層和輸齣層的學習率,併用交扠熵作性能函數,提高算法的學習精度和訓練速度,併經過數學推導,得到改進箄法的實現公式.將改進算法應用于奇偶數判彆問題進行倣真,倣真實驗結果與其它類似的方法進行比較後,髮現改進算法大大降低瞭網絡迭代次數,縮短瞭網絡的訓練時間,提高瞭訓練精度,驗證瞭該算法的有效性.
침대BP신경망락적원시산법수렴속솔만、학습정도저、훈련과정역함입국부겁소치문제,위해결상술문제,제출일충이변학습솔BP산법위기출적개진산법,통과구분은층화수출층적학습솔,병용교차적작성능함수,제고산법적학습정도화훈련속도,병경과수학추도,득도개진폐법적실현공식.장개진산법응용우기우수판별문제진행방진,방진실험결과여기타유사적방법진행비교후,발현개진산법대대강저료망락질대차수,축단료망락적훈련시간,제고료훈련정도,험증료해산법적유효성.