大规模前馈神经网络的一种有效学习算法及其应用

• 作者: 万百五 李换琴
• 来源期刊: 信息与控制
• 关键词: 前馈神经网络 大规模系统 拟牛顿方法 改进的拟牛顿方法 质量模型
• 年，卷（期）: 2003,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 403-406
• 页数: 4页
• 分类号: TP13
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2003.05.005

摘要

前馈神经网络在复杂系统建模中局限于小型或中等规模的系统,主要原因是:对于大规模问题,现有的神经网络学习算法或者收敛太慢,或者难以收敛.针对这一问题,本文提出一种基于改进的拟牛顿方法的神经网络学习算法.该算法内存需要量小,收敛速度快,适合高维神经网络的训练.本文利用该算法训练神经网络建立32输入工业产品质量模型,结果表明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万百五	西安交通大学系统工程研究所	97	1042	16.0	28.0
2	李换琴	西安交通大学理学院	19	124	6.0	10.0