基于正交校正共轭梯度法的快速神经网络学习算法研究
前馈神经网络由于具有理论上逼近任意非线性连续映射的能力,因而非常适合于非线性系统建模及构成自适应控制.为了提高前馈神经网络的权的学习效率及稳定性,该文提出一种基于正交校正共轭梯度优化方法的快速神经网络学习算法.通过与其它学习算法(如:BP算法、变尺度法、用差商近似代替导数的Powell法等)的比较,经仿真试验表明,本算法是一种高效、快速的学习箅法.
神经网络、学习算法、正交校正共轭梯度
24
TN-052
国家自然科学基金N0.60073053;国家高技术研究发展计划863计划863-306-ZT06-06-1
2003-11-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
667-670