前馈型神经网络新学习算法的研究

• 作者: 孙桂波 张继德 杨永洁
• 来源期刊: 科技信息
• 学科: 工学
• 关键词: 前馈神经网络 学习算法 非线性最小二乘法
• 年，卷（期）: 2012,（18）
• 所属期刊栏目: 高校理科研究
• 页码范围: 141-142
• 分类号: TP183
• 字数: 4540字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9960.2012.18.122

摘要

前馈神经网络在非线性系统的建模及控制中有着广阔的应用前景,但是该网络的学习算法—向后传播算法(Backpropagation (BP)Algorithm)算法存在一些不足.为了提高多层前馈神经网络的学习效率及稳定性,引入了非线生最小二乘法.通过与其他学习算法的比较,得出结论:其中用差商近似代替导数的Powell击是一种高效、快速的学习方法,其学习速率比带动量项的学习率自适应的BP算法高一个量级,而比Daviden Fletcher Powell (DFP)、BroydenFletcher Goldfarl Shanno(BFGS)等变尺度方法以及其他非线性最小二乘法的稳定性要好得多.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张继德	河北联合大学电气工程学院	19	28	4.0	4.0
2	杨永洁	河北联合大学电气工程学院	2	1	1.0	1.0
3	孙桂波	河北联合大学电气工程学院	2	1	1.0	1.0