一种动态筛选样本的前向神经网络快速学习算法
从理论上讨论了一类隐含层激励函数满足Mercer条件的前向神经网络学习问题,分析了提高网络学习速度的途径,提出了一种动态筛选样本的前向神经网络快速学习算法.它大大提高了网络学习速度,克服了传统的基于梯度下降的网络学习方法存在的诸多弊端.算法还具有动态确定隐含层神经元数的自构性优点.文中通过具体数值试验验证了上述算法的可行性和优越性.
前向神经网络、算法、机器学习
27
TP183(自动化基础理论)
航空基金01C52015
2005-12-22(万方平台首次上网日期,不代表论文的发表时间)
共3页
1818-1820