基于GaussNewton-NL2SOL法的前馈神经网络及应用

摘要：

目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度,但只对小残量或零残量问题有效,对大残量问题则收敛很慢甚至不收敛.为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题,引入NL2SOL优化算法,并与GaussNewton法相结合,构建基于GaussNewton-NL2SOL法的前馈神经网络.仿真实例表明,该神经网络较好地解决了残量问题,具有良好的收敛性和稳定性.

关键词：前馈神经网络、GaussNewton法、NL2SOL法、残量问题、收敛性、稳定性

所属期刊栏目：27

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金70172001

在线出版日期：2004-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：118-121