一种基于填充函数的神经网络全局优化算法

摘要：

针对前向神经网络BP算法由于初始权值选择不当而陷入局部极小点这一缺陷,提出新的全局优化训练算法.首先,提出了一种新的填充函数,并证明该函数的填充性质,进而结合该新填充函数与BP算法,构造出基于填充函数的全局最优化神经网络算法.应用全局优化算法训练神经网络时,如果误差函数陷入局部极小值,该算法可以利用填充函数帮助误差函数不断地跳出局部最优,直到找到全局最优点.该新算法的最大优点是对于初始权值无依赖性,避免了BP算法易陷入局部极小值的缺点.理论分析和仿真试验结果证明了该全局优化神经网络算法的有效性和优越性.

关键词：前向神经网络、BP算法、填充函数、全局优化、局部极小点

所属期刊栏目：28

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60674063;中国博士后科学基金2005037755;辽宁省自然科学基金20062024

在线出版日期：2007-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1247-1249