10.3969/j.issn.1006-9348.2009.07.043
一种改进BP网络学习算法
针对BP神经网络的原始算法收敛速率慢、学习精度低、训练过程易陷入局部极小值问题,为解决上述问题,提出一种以变学习率BP算法为基础的改进算法,通过区分隐层和输出层的学习率,并用交叉熵作性能函数,提高算法的学习精度和训练速度,并经过数学推导,得到改进箅法的实现公式.将改进算法应用于奇偶数判别问题进行仿真,仿真实验结果与其它类似的方法进行比较后,发现改进算法大大降低了网络迭代次数,缩短了网络的训练时间,提高了训练精度,验证了该算法的有效性.
神经网络、改进算法、批处理、动态学习率、交叉熵
26
TP183(自动化基础理论)
国家自然科学基金项目20577038
2009-10-16(万方平台首次上网日期,不代表论文的发表时间)
共3页
172-174