中国计量学院学报
中國計量學院學報
중국계량학원학보
JOURNAL OF CHINA INSTITUTE OF METROLOGY
2014年
4期
424-431
,共8页
前馈神经网络%混合训练算法%正则化
前饋神經網絡%混閤訓練算法%正則化
전궤신경망락%혼합훈련산법%정칙화
feedforward neural networks%hybrid training algorithm%regularization
介绍了单隐层前馈神经网络的混合训练算法(HFM)和正则化混合训练算法(RHFM),然后将该算法应用于UCI数据库上的实际回归例子中,并将其与BP、NNRW以及FM算法进行了比较.仿真实验表明,HFM算法的收敛速度优于其它几种算法,RHFM算法有较好的泛化性能,而NNRW算法在训练时间上占优,尽管如此,HFM算法在时间上还是大大优于BP算法.说明,混合训练算法是一种有效的算法.
介紹瞭單隱層前饋神經網絡的混閤訓練算法(HFM)和正則化混閤訓練算法(RHFM),然後將該算法應用于UCI數據庫上的實際迴歸例子中,併將其與BP、NNRW以及FM算法進行瞭比較.倣真實驗錶明,HFM算法的收斂速度優于其它幾種算法,RHFM算法有較好的汎化性能,而NNRW算法在訓練時間上佔優,儘管如此,HFM算法在時間上還是大大優于BP算法.說明,混閤訓練算法是一種有效的算法.
개소료단은층전궤신경망락적혼합훈련산법(HFM)화정칙화혼합훈련산법(RHFM),연후장해산법응용우UCI수거고상적실제회귀례자중,병장기여BP、NNRW이급FM산법진행료비교.방진실험표명,HFM산법적수렴속도우우기타궤충산법,RHFM산법유교호적범화성능,이NNRW산법재훈련시간상점우,진관여차,HFM산법재시간상환시대대우우BP산법.설명,혼합훈련산법시일충유효적산법.
