科技信息
科技信息
과기신식
SCIENTIFIC & TECHNICAL INFORMATION
2012年
18期
141-142
,共2页
前馈神经网络%学习算法%非线性最小二乘法
前饋神經網絡%學習算法%非線性最小二乘法
전궤신경망락%학습산법%비선성최소이승법
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,引入了非线生最小二乘法.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击是一种高效、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.
前饋神經網絡在非線性繫統的建模及控製中有著廣闊的應用前景,但是該網絡的學習算法—嚮後傳播算法(Backpropagation (BP)Algorithm)算法存在一些不足.為瞭提高多層前饋神經網絡的學習效率及穩定性,引入瞭非線生最小二乘法.通過與其他學習算法的比較,得齣結論:其中用差商近似代替導數的Powell擊是一種高效、快速的學習方法,其學習速率比帶動量項的學習率自適應的BP算法高一箇量級,而比Daviden Fletcher Powell (DFP)、BroydenFletcher Goldfarl Shanno(BFGS)等變呎度方法以及其他非線性最小二乘法的穩定性要好得多.
전궤신경망락재비선성계통적건모급공제중유착엄활적응용전경,단시해망락적학습산법—향후전파산법(Backpropagation (BP)Algorithm)산법존재일사불족.위료제고다층전궤신경망락적학습효솔급은정성,인입료비선생최소이승법.통과여기타학습산법적비교,득출결론:기중용차상근사대체도수적Powell격시일충고효、쾌속적학습방법,기학습속솔비대동량항적학습솔자괄응적BP산법고일개량급,이비Daviden Fletcher Powell (DFP)、BroydenFletcher Goldfarl Shanno(BFGS)등변척도방법이급기타비선성최소이승법적은정성요호득다.
