双并联神经网络在线梯度算法的收敛性

• 作者: 王健
• 来源期刊: 淮海工学院学报（自然科学版）
• 学科: 工学
• 关键词: 双并联前馈神经网络 单调性 梯度法 收敛性
• 年，卷（期）: 2012,（1）
• 页码范围: 20-24
• 分类号: TP183
• 字数: 3176字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6685.2012.01.005

摘要

双并联前馈神经网络是一个单层前向网络和一个多层前向网络的并向联接,在实现线性映射的同时也能够反应非线性映射,尤其对于弱非线性问题效果更为明显.在线梯度算法是训练神经网络的一种常见、高效的训练算法.研究了双并联前馈神经网络在线梯度学习算法的确定性和收敛性,证明了误差函数单调性质,给出了双并联前馈神经网络弱(强)收敛性结果,即误差函数的梯度趋于零,权值序列收敛于固定点等结论.