多输出神经元模型的MFNN带正则化因子RLS算法

• 作者: 张林国 汪秉文 沈艳军
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 多输出神经元模型 正则化因子 递推最小二乘算法(RLS) 泛化能力
• 年，卷（期）: 2005,（11）
• 所属期刊栏目: 算法
• 页码范围: 102-104
• 页数: 3页
• 分类号: TP3
• 字数: 2776字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2005.11.038

摘要

在神经网络的学习中,将递推最小二乘算法(RLS)与正则化因子相结合,一方面,可以提高网络的泛化能力,另一方面,对学习样本的噪声具有鲁棒性.但是,当网络规模较大时,该算法每迭代一步计算复杂度和存储量要求很大.本文将带正则化因子的RLS算法应用于多输出神经元模型的多层前向神经网络,通过仿真实验,结果表明,本方法可以大大简化网络结构,减小每迭代一步计算的复杂度和存储量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈艳军	三峡大学理学院	39	130	6.0	10.0
2	汪秉文	三峡大学理学院	1	1	1.0	1.0
3	张林国	三峡大学理学院	1	1	1.0	1.0