基于梯度动力学的协同神经网络学习算法的改进

• 作者: 戚飞虎 陈丽
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 协同神经网络 梯度动力学 注意参数 共轭梯度法
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 算法研究
• 页码范围: 42-45
• 页数: 4页
• 分类号: TP183
• 字数: 3998字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2005.01.017

摘要

本文在研究协同神经网络梯度动力学过程的基础上,针对学习过程收敛速度缓慢的缺点,提出了一种改进的、基于梯度动力学的协同神经网络学习算法.该算法分析了非平衡注意参数对学习过程的影响,简化了初始伴随向量的选取;并引入最优化理论,将该问题归结为求解非线性最优化问题,用共轭梯度法代替梯度下降法,加快了学习过程的收敛.通过对汉字图像库和人脸图像库的图像识别实验表明,该算法比其他学习算法的识别率高,并能较快地收敛到极小值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戚飞虎	上海交通大学信息安全工程学院	139	3029	29.0	47.0
2	陈丽	上海交通大学信息安全工程学院	45	173	6.0	11.0