计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2009年
18期
4287-4289
,共3页
径向基函数%梯度下降法%优化步长%收敛速度%相似性
徑嚮基函數%梯度下降法%優化步長%收斂速度%相似性
경향기함수%제도하강법%우화보장%수렴속도%상사성
针对RBF网络梯度下降法容易造成网络收敛速度不够快和陷入局部极小的缺陷,引入一个具有步长先验知识的神经网络来动态调整梯度下降法中的学习步长.该算法中构造了两个RBF网络,分别设为A网和B网,其中A网具有步长先验知识.当B网络陷入局部极小时,则调用A网获得优化的学习步长,进而来提高B网络的收敛速度.实验结果表明了该算法的有效性和优越性.同时,该算法对相似性问题也有较好的解决能力.
針對RBF網絡梯度下降法容易造成網絡收斂速度不夠快和陷入跼部極小的缺陷,引入一箇具有步長先驗知識的神經網絡來動態調整梯度下降法中的學習步長.該算法中構造瞭兩箇RBF網絡,分彆設為A網和B網,其中A網具有步長先驗知識.噹B網絡陷入跼部極小時,則調用A網穫得優化的學習步長,進而來提高B網絡的收斂速度.實驗結果錶明瞭該算法的有效性和優越性.同時,該算法對相似性問題也有較好的解決能力.
침대RBF망락제도하강법용역조성망락수렴속도불구쾌화함입국부겁소적결함,인입일개구유보장선험지식적신경망락래동태조정제도하강법중적학습보장.해산법중구조료량개RBF망락,분별설위A망화B망,기중A망구유보장선험지식.당B망락함입국부겁소시,칙조용A망획득우화적학습보장,진이래제고B망락적수렴속도.실험결과표명료해산법적유효성화우월성.동시,해산법대상사성문제야유교호적해결능력.
