10.3969/j.issn.1000-453X.2004.06.022
联合优化的BP神经网络模型的应用
@@ BP算法是多层前向神经网络中应用最为广泛的一种算法,具有逼近任意连续函数和非线性映射的能力.它采用梯度下降搜索算法,因此存在着算法效率较低、收敛速度慢、易于陷入局部极小值等缺点,对于较大的搜索空间、多峰值和不可微函数常常不能有效地搜索到全局极小点,这些制约了BP网络在各个领域中的应用.要保证网络学习过程能够消除局部极小值,总是趋于全局稳定状态,应该对整个学习过程进行联合优化.
联合优化、神经网络模型、学习过程、算法效率、多层前向神经网络、搜索算法、极小值、不可微函数、应用、线性映射、稳定状态、梯度下降、搜索空间、收敛速度、连续函数、局部、极小点、多峰值、制约、能力
TP1;TP2
2004-08-12(万方平台首次上网日期,不代表论文的发表时间)
共2页
70,74