复数前馈神经网络的全局最优和快速学习算法

• 作者: 张代远
• 来源期刊: 电路与系统学报
• 学科: 工学
• 关键词: 复数神经网络 全局最小 高训练精度 快速学习
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 论文
• 页码范围: 9-15
• 页数: 7页
• 分类号: TP183|TP18|TP301.6
• 字数: 5846字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-0249.2006.04.003

摘要

提出了一种新型复数前馈神经网络的学习算法.当输入层和隐层之间的权值计算出来后,就可以通过求解线性方程组得到隐层和输出层之间的权值.这些权值是全局最小点.另一方面,本文算法很容易确定全局最小点时隐层神经元的个数.本文算法具有很高的训练精度和学习速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张代远	南京邮电大学计算机学院	65	457	10.0	19.0