一种多层前馈网参数可分离学习算法

• 作者: 杨宜民 毛宗源 章云
• 来源期刊: 自动化学报
• 学科: 工学
• 关键词: 神经网络 学习算法 系统辨识 参数解耦
• 年，卷（期）: 1998,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 439-446
• 页数: 8页
• 分类号: TP3
• 语种: 中文

摘要

目前大部分神经网络学习算法都是对网络所有的参数同时进行学习.当网络规模较大时,这种做法常常很耗时.由于许多网络,例如感知器、径向基函数网络、概率广义回归网络以及模糊神经网络,都是一种多层前馈型网络,它们的输入输出映射都可以表示为一组可变基的线性组合.网络的参数也表现为二类:可变基中的参数是非线性的,组合系数是线性的.为此,提出了一个将这二类参数进行分离学习的算法.仿真结果表明,这个学习算法加快了学习过程,提高了网络的逼近性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛宗源	华南理工大学自动化系	245	4135	35.0	52.0
2	章云	广东工业大学自动化所	184	1172	18.0	24.0