一种前馈神经网络算法

• 作者: 王丽霞 王祖麟
• 来源期刊: 科技广场
• 学科: 工学
• 关键词: 神经网络 误差反向传播算法 Hesse矩阵
• 年，卷（期）: 2004,（8）
• 页码范围: 51-53
• 页数: 3页
• 分类号: TP309
• 字数: 1493字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-4792.2004.08.019

摘要

神经网络由于其非线性处理能力强,性能稳定等特点得到了广泛应用和研究.主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等.神经网络中使用最为广泛的就是前馈神经网络.其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法).BP算法存在局部极小点,收敛速度慢等缺点.基于优化理论的Levenberg-Marquardt算法忽略了二阶项.该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算,进而训练网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王祖麟	江西理工大学机电工程学院	66	274	9.0	13.0
2	王丽霞	江西理工大学机电工程学院	3	7	1.0	2.0