电子学报
電子學報
전자학보
ACTA ELECTRONICA SINICA
2002年
12期
1845-1847
,共3页
杨斌%聂在平%夏耀先%蒋荣生
楊斌%聶在平%夏耀先%蔣榮生
양빈%섭재평%하요선%장영생
神经网络%Levenberg-Marquardt算法%共轭梯度法%监督学习
神經網絡%Levenberg-Marquardt算法%共軛梯度法%鑑督學習
신경망락%Levenberg-Marquardt산법%공액제도법%감독학습
为了提高多层前馈神经网络的权参数的学习效率,通过引入改进的求解大规模线性方程组的共轭梯度法,提出一种新的基于LM的前馈网络学习算法.该算法不仅具有LM优化学习方法的快速收敛特性,而且降低了LM法的计算复杂度,可获得比其它标准算法更好的学习精度和推广预测能力.文中通过仿真结果证明了新算法在函数逼近和时间序列预测等问题环境下的有效性.
為瞭提高多層前饋神經網絡的權參數的學習效率,通過引入改進的求解大規模線性方程組的共軛梯度法,提齣一種新的基于LM的前饋網絡學習算法.該算法不僅具有LM優化學習方法的快速收斂特性,而且降低瞭LM法的計算複雜度,可穫得比其它標準算法更好的學習精度和推廣預測能力.文中通過倣真結果證明瞭新算法在函數逼近和時間序列預測等問題環境下的有效性.
위료제고다층전궤신경망락적권삼수적학습효솔,통과인입개진적구해대규모선성방정조적공액제도법,제출일충신적기우LM적전궤망락학습산법.해산법불부구유LM우화학습방법적쾌속수렴특성,이차강저료LM법적계산복잡도,가획득비기타표준산법경호적학습정도화추엄예측능력.문중통과방진결과증명료신산법재함수핍근화시간서렬예측등문제배경하적유효성.