基于权值变化的BP神经网络自适应学习率改进研究

• 作者: 朱振国 田松禄
• 来源期刊: 计算机系统应用
• 关键词: 神经网络 自适应学习率 正态分布模型 梯度上升法 XOR问题
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 研究开发
• 页码范围: 205-210
• 页数: 6页
• 字数: 3453字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006410

摘要

针对传统神经网络的学习率由人为经验性设定,存在学习率设置过大或过小,容易导致无法收敛或收敛速度慢的问题,本文提出基于权值变化的自适应学习率改进方法,改善传统神经网络学习率受人为经验因素影响的弊端,提高误差精度,并结合正态分布模型与梯度上升法,提高收敛速度.本文以BP神经网络为例,对比固定学习率的神经网络,应用经典XOR问题仿真验证,结果表明本文的改进神经网络具有更快的收敛速度和更小的误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱振国	重庆交通大学信息科学与工程学院	13	93	5.0	9.0
2	田松禄	重庆交通大学信息科学与工程学院	1	16	1.0	1.0