使用三层神经元网络的先验信息新学习方法

• 作者: 吕柏权 平泽宏太郎 村田纯一
• 来源期刊: 中国科学E辑
• 学科: 工学
• 关键词: 先验信息 神经元网络学习 部分参数学习 精确数学结构
• 年，卷（期）: 2004,（4）
• 页码范围: 374-390
• 页数: 17页
• 分类号: TP1
• 字数: 9028字
• 语种: 中文
• DOI: 10.3321/j.issn:1006-9275.2004.04.002

摘要

提出一种使用三层神经元网络的先验信息的新学习方法.通常,当神经元网络被用于函数逼近时,没有考虑权之间的关系而独立地学习,这样,学习的结果往往不理想.其原因是在学习中权是相互影响的.为了克服这一问题,首先,给出了一些有关权的先验信息,然后基于此提出部分权学习和其余权由精确数学方程计算的新学习方法.这方法在权的学习中几乎保持精确数学结构.另外,使用不等式先验信息的学习方法也被提出了.无论使用不等式还是等式先验信息的学习,因网络权的自由度被限制而加快了学习速度并保证误差较小.数值仿真的结果支持提出方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕柏权	上海大学自动化系控制与决策教研室	34	96	6.0	7.0
2	村田纯一	九州大学信息科学研究院	1	8	1.0	1.0
3	平泽宏太郎	九州大学信息科学研究院	1	8	1.0	1.0