基于曲面形状误差的多层前向神经网络快速训练

• 作者: 师汉民 张德贤
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 神经网络训练 训练误差分解 曲面形状误差 快速训练算法
• 年，卷（期）: 2004,（2）
• 所属期刊栏目: 研究论文与技术报告
• 页码范围: 231-237
• 页数: 7页
• 分类号: TP18
• 字数: 6012字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2004.02.012

摘要

如何显著提高多层前向神经网络训练速度一直是国内外共同关注的一个问题,而解决这个问题的关键在于充分了解导致现有网络训练算法训练效率低的根本原因.文中首先提出了网络输出函数的曲面形状误差和偏移误差的概念,并将指导网络训练的平方和误差分解为这两种误差,进而分析了这两种误差的主要特性,给出了导致现有算法网络训练效率低的主要原因,最后提出了新的网络训练误差模型和具体的网络训练算法.典型实例计算结果表明,与目前常用的网络训练算法相比,该文所提出的算法可显著减少网络训练时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	师汉民	华中科技大学计算机科学与工程学院	65	940	17.0	27.0
2	张德贤	郑州工程学院计算机科学系	6	99	4.0	6.0