一种混合结构前向神经网络的快速学习算法

• 作者: 夏宏飞 戴连奎
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 前向神经网络 线性最小二乘 学习算法 泛化
• 年，卷（期）: 2003,（1）
• 所属期刊栏目: 研究与应用
• 页码范围: 97-101
• 页数: 5页
• 分类号: TP183
• 字数: 3266字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2003.01.018

摘要

本文构造了一种新的基于线性模型、多层前向网络的混合结构神经网络模型,并提出了相应的非迭代快速学习算法.该学习算法能够根据拟合精度要求,运用线性最小二乘法确定相应的最佳网络权值和线性部分的参数,并自动确定最佳的隐层节点数.与BP网络的比较结果表明,本文提出的混合结构前向神经网络的快速学习算法无论在拟合精度、学习速度、泛化能力、还是隐节点数均显著好于BP算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴连奎	浙江大学工业控制技术国家重点实验室	70	881	18.0	25.0
2	夏宏飞	浙江大学工业控制技术国家重点实验室	1	6	1.0	1.0