前馈神经网络凸优化算法及其仿真应用

摘要：

该文利用凸函数共轭性质中的Young不等式构造前馈神经网络优化目标函数.这个优化目标函数若固定权值,对隐层输出来说为凸函数;若固定隐层输出,对权值来说为凸函数.因此,此目标函数不存在局部最小.此目标函数的优化速度快,大大提高了前馈神经网络的学习效率.仿真试验表明,与传统算法如误差反向传播算法或BP算法和含势态因子(Momentum factor)的BP算法及现有的分层优化算法相比,新算法能加快收敛速度,并降低学习误差.利用这种快速算法对矿体进行仿真预测,取得了良好效果.

关键词：前馈神经网络、凸函数、优化算法、仿真应用

所属期刊栏目：21

分类号：TP183(自动化基础理论)

资助基金：中国科学院院长基金YZJJ200206

在线出版日期：2004-12-09（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：113-116