前馈神经网络学习新算法及其仿真

• 作者: 徐晋
• 来源期刊: 哈尔滨商业大学学报(自然科学版)
• 学科: 工学
• 关键词: 前馈神经网络 拟牛顿法 Levernberg-Marquardt法 残量问题 收敛性 稳定性
• 年，卷（期）: 2004,（1）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 24-27
• 页数: 4页
• 分类号: TP181
• 字数: 3911字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0946.2004.01.007

摘要

目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度,但只对小残量或零残量问题有效,对大残量问题则收敛很慢甚至不收敛.为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题,引入拟牛顿(QuasiNewton)优化算法,并与LM(Levernberg-Marquardt)法相结合,构建基于LM-QuasiNewton法的前馈神经网络.仿真实例表明,该神经网络较好地解决了残量问题,具有良好的收敛性和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐晋	上海交通大学管理学院	64	1942	24.0	43.0