改进的神经网络及其自适应学习速率的研究

• 作者: 付梦印 刘巧歌
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 神经网络 泛化能力 Taylor级数展开 自适应学习速率
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 算法研究
• 页码范围: 845-848
• 页数: 4页
• 分类号: TP18
• 字数: 3449字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2007.05.018

摘要

从提高神经网络泛化能力的角度提出一种改进方法.利用Taylor级数展开的思想,用线性和非线性组合构成函数映射关系,即改进的神经网络是用原神经网络的非线性映射和关于输入信号的线性映射的和来逼近期望值.文中还给出了该神经网络学习速率的自适应调节方法.对线性对象和非线性对象分别进行建模仿真,结果表明,改进的神经网络比基于正则化方法的神经网络具有更好的泛化能力.