一种新的双权值前向神经网络学习算法

• 作者: 武妍 王守觉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 超曲面神经元模型 双权值神经网络 学习算法 遗传算法
• 年，卷（期）: 2005,（13）
• 所属期刊栏目: 博士论坛
• 页码范围: 1-3,16
• 页数: 4页
• 分类号: TP183
• 字数: 4272字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.13.001

摘要

提出了一种新的基于遗传算法和误差反向传播的双权值神经网络学习算法,同时确定核心权值、方向权值以及幂参数、学习率等参数,通过适当地调节这些参数,可以实现尽可能多种不同超曲面的特性以及起到加快收敛的效果.并通过对实际的模式分类问题的仿真,将文中的方法与带动量项BP算法、CSFN等算法进行了比较,验证了其有效性.实验结果表明所提出的方法具有分类准确率高、收敛速度快的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武妍	同济大学计算机科学与工程系	58	726	15.0	24.0
5	王守觉	同济大学半导体与信息技术研究所	17	129	5.0	10.0