一种BP网的学习速率与动量项自适应算法

• 作者: 宫宁生 张媛 钱春阳
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: AB网络 BP算法 动量项 学习速率 梯度下降法
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1872-1876
• 页数: 5页
• 分类号: TP183
• 字数: 5869字
• 语种: 中文

摘要

针对BP网络学习速率和动量项参数较难选取以及学习过程中学习效率较为低下的问题,提出BP网络的改进算法模型—AB网络模型,来选取学习速率和动量项的参数值,即通过一个为给定先验知识的A网,动态调节另一个执行实际应用的B网中的学习速率和动量项的参数值,并以此提高整个网络的学习效率.实验结果表明,通过AB网络自适应调整参数的算法比普通BP算法的学习效率大大提高.在实际应用中,我们可以通过AB网络自适应调节的方法,对学习速率参数和动量项参数进行合适的选取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宫宁生	南京工业大学电子与信息工程学院	54	473	12.0	20.0
2	张媛	安徽建筑工业学院电子与信息工程学院	14	46	4.0	6.0
3	钱春阳	南京工业大学电子与信息工程学院	1	14	1.0	1.0