F2N2训练＆应用研究

• 作者: 李中年 李天鹰 王青
• 来源期刊: 智能机器人
• 学科: 工学
• 关键词: F2N2 分层 BPNN 训练 收敛
• 年，卷（期）: 2017,（2）
• 页码范围: 52-55
• 页数: 4页
• 分类号: TP183

摘要

同仁均知,训练F2N2（Feed Forward Neural Network：前馈神经网络）的方法虽然很多,但是至今未能彻底解决“收敛不迅速”和“收敛不稳健”这两大难题,从而影响了F2N2的应用。针对此问题,文章研究了一种训练＆应用F2N2的新方法,该方法灵活地将BPNN（Back Propagation Neural Network：反向传播神经网络）关键训练算法和分层优化算法亲和、协调的自然结合,并且对每层的（Weight：“权”）训练独立进行,精心创建了用级数精确表达的F2N2目标函数,不仅能将优化每层的问题简化为线性问题,而且还可弱化线性误差。文中提供了应用F2N2进行智能检测的几个具体实例,应用结果表明,该方法优于其它相关方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王青		10	33	3.0	5.0
2	李中年		5	4	1.0	2.0
3	李天鹰		11	7	1.0	2.0