采用归一化最小均方误差准则的LM-BP算法

• 作者: 张翼鹏 郝欢 陈亮
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 最小均方误差 归一化最小均方误差 Levenberg-Marquardt算法
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 短文与研究通讯
• 页码范围: 1084-1089
• 页数: 6页
• 分类号: TP183
• 字数: 4082字
• 语种: 中文

摘要

传统神经网络通常以最小均方误差(LMS)或最小二乘(RLS)为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差(NLMS)准则可以使神经网络性能更加优越.本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt(LM)训练的神经网络收敛算法.通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛.理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亮	解放军理工大学通信工程学院	61	411	12.0	17.0
2	张翼鹏	解放军理工大学通信工程学院	5	40	5.0	5.0
3	郝欢	解放军理工大学通信工程学院	11	75	6.0	8.0