辽宁石油化工大学学报
遼寧石油化工大學學報
료녕석유화공대학학보
JOURNAL OF LIAONING UNIVERSITY OF PETROLEUM & CHEMICAL TECHNOLOGY
2013年
4期
83-86
,共4页
周小勇%翟春艳%李书臣%苏成利
週小勇%翟春豔%李書臣%囌成利
주소용%적춘염%리서신%소성리
神经网络%梯度算法%迭代学习型算法%权值训练%收敛速度
神經網絡%梯度算法%迭代學習型算法%權值訓練%收斂速度
신경망락%제도산법%질대학습형산법%권치훈련%수렴속도
Neural network%Gradient algorithm%Iterative learning algorithm%Weight training%Convergence speed
针对传统BP算法存在收敛速度过慢、易陷入局部极小的问题，提出基于迭代学习的BP神经网络权值修正算法。该算法将迭代学习的原理与神经网络相结合，同时采用本次训练误差和前一次的训练误差修正神经网络权值，提高了网络训练速度。仿真结果验证了该算法的有效性。
針對傳統BP算法存在收斂速度過慢、易陷入跼部極小的問題，提齣基于迭代學習的BP神經網絡權值脩正算法。該算法將迭代學習的原理與神經網絡相結閤，同時採用本次訓練誤差和前一次的訓練誤差脩正神經網絡權值，提高瞭網絡訓練速度。倣真結果驗證瞭該算法的有效性。
침대전통BP산법존재수렴속도과만、역함입국부겁소적문제，제출기우질대학습적BP신경망락권치수정산법。해산법장질대학습적원리여신경망락상결합，동시채용본차훈련오차화전일차적훈련오차수정신경망락권치，제고료망락훈련속도。방진결과험증료해산법적유효성。
A weight training algorithm of neural network based on iterative learning was proposed for the shortcoming of traditional BP algorithm ,such as slow convergence and easily trapped into local minimal .The algorithm combined the principle of iterative learning with neural network ,and it made use of the current and the previous training error to correct the neural network weights .It improved the speed of neural network training .Simulation results show the effectiveness of the algorithm .
