科技信息
科技信息
과기신식
SCIENTIFIC & TECHNICAL INFORMATION
2010年
4期
123-124
,共2页
神经网络%BP算法%高阶导数
神經網絡%BP算法%高階導數
신경망락%BP산법%고계도수
本文针对目前标准BP神经网络的缺点,提出基于高阶导数的多记忆BP算法,将能量函数的n阶导数与最速下降方向相结合,构造出一个新的最速下降方向,从而提高了神经网络的学习速度.首先证明了该算法相对于传统梯度算法的快速性,然后给出了该算法的实现方法,并进行了算例仿真.结果证明,该算法便捷、实用、有效.
本文針對目前標準BP神經網絡的缺點,提齣基于高階導數的多記憶BP算法,將能量函數的n階導數與最速下降方嚮相結閤,構造齣一箇新的最速下降方嚮,從而提高瞭神經網絡的學習速度.首先證明瞭該算法相對于傳統梯度算法的快速性,然後給齣瞭該算法的實現方法,併進行瞭算例倣真.結果證明,該算法便捷、實用、有效.
본문침대목전표준BP신경망락적결점,제출기우고계도수적다기억BP산법,장능량함수적n계도수여최속하강방향상결합,구조출일개신적최속하강방향,종이제고료신경망락적학습속도.수선증명료해산법상대우전통제도산법적쾌속성,연후급출료해산법적실현방법,병진행료산례방진.결과증명,해산법편첩、실용、유효.
