原文服务方: 计算机应用研究       
摘要:
在利用梯度算法训练Pi-sigma神经网络时,存在因权值选取过小导致收敛速度过慢的问题,而采用一般罚函数法虽然可以克服这个缺点,但要求罚因子必须趋近于∞且惩罚项绝对值不可微,从而导致数值求解困难.为克服以上缺点,提出了一种基于乘子法的随机单点在线梯度算法.利用最优化理论方法,将有约束问题转换为无约束问题,利用乘子法来求解网络误差函数.从理论上分析了算法的收敛速度和稳定性,仿真实验结果验证了算法的有效性.
推荐文章
递归pi-sigma神经网络的带惩罚项的梯度算法分析
递归pi-sigma神经网络
梯度算法
惩罚项
收敛性
Pi-sigma神经网络混合学习算法及收敛性分析
混合遗传算法
Pi-sigma神经网络
算法收敛性
Pi-sigma神经网络的带动量项的异步批处理梯度算法收敛性
Pi-sigma神经网络
异步批处理梯度算法
动量项
单调性
收敛性
改进Pi-sigma神经网络及其算法在短期负荷预测中的应用
混合Pi-sigma神经网络
模糊逻辑
短期负荷预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 Pi-sigma神经网络的乘子法随机单点在线梯度算法
来源期刊 计算机应用研究 学科
关键词 Pi-sigma神经网络 梯度算法 乘子法 收敛速度 稳定性
年,卷(期) 2011,(11) 所属期刊栏目 算法研究探讨
研究方向 页码范围 4074-4077
页数 分类号 TP183|TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2011.11.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 喻昕 广西大学计算机与电子信息学院 24 68 5.0 7.0
2 邓飞 广西大学计算机与电子信息学院 3 21 3.0 3.0
3 唐利霞 广西大学计算机与电子信息学院 2 11 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (26)
参考文献  (11)
节点文献
引证文献  (6)
同被引文献  (6)
二级引证文献  (5)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(3)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Pi-sigma神经网络
梯度算法
乘子法
收敛速度
稳定性
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导