微电子学与计算机
微電子學與計算機
미전자학여계산궤
MICROELECTRONICS & COMPUTER
2008年
11期
89-93
,共5页
神经网络%BP算法%激活函数%可调参数
神經網絡%BP算法%激活函數%可調參數
신경망락%BP산법%격활함수%가조삼수
为改善BP神经网络的性能,以标准Sigmoidal函数为基础,提出了一种四参数可调的激活函数模型.在学习过程中,它能同时对激活函数的陡度、位置及映射范围进行调节,具有更强的非线性映射能力.并推导出其在BP神经网络中的学习算法.仿真结果显示,改进后的激活函数与传统的标准Sigmoidal函数相比,收敛速度能提高10倍以上,收敛精度误差可减小到传统误差的0.4%以下,而且可以有效地减少隐层的结点数,学习能力可得到较大的提高.
為改善BP神經網絡的性能,以標準Sigmoidal函數為基礎,提齣瞭一種四參數可調的激活函數模型.在學習過程中,它能同時對激活函數的陡度、位置及映射範圍進行調節,具有更彊的非線性映射能力.併推導齣其在BP神經網絡中的學習算法.倣真結果顯示,改進後的激活函數與傳統的標準Sigmoidal函數相比,收斂速度能提高10倍以上,收斂精度誤差可減小到傳統誤差的0.4%以下,而且可以有效地減少隱層的結點數,學習能力可得到較大的提高.
위개선BP신경망락적성능,이표준Sigmoidal함수위기출,제출료일충사삼수가조적격활함수모형.재학습과정중,타능동시대격활함수적두도、위치급영사범위진행조절,구유경강적비선성영사능력.병추도출기재BP신경망락중적학습산법.방진결과현시,개진후적격활함수여전통적표준Sigmoidal함수상비,수렴속도능제고10배이상,수렴정도오차가감소도전통오차적0.4%이하,이차가이유효지감소은층적결점수,학습능력가득도교대적제고.
