10.3969/j.issn.1000-3428.2012.10.044
基于DFP校正拟牛顿法的傅里叶神经网络
针对傅里叶神经网络采用最速下降法导致局部极小、学习速度慢以及泛化能力差的问题,提出一种基于DFP校正拟牛顿法的新学习算法.该算法计算复杂度低,能保证网络具有良好的泛化能力和全局最优性.通过2个数值算例检验该算法,同时和BP神经网络以及另外2种傅里叶神经网络作比较.结果表明,该算法计算复杂度约为最速下降法的5%,为最小二乘学习算法的80%,具有较好的泛化能力.
傅里叶神经网络、BP神经网络、最速下降法、最小二乘法、拟牛顿法、DFP校正拟牛顿法
38
TP18(自动化基础理论)
吉林省科技发展计划基金资助项目2009148;吉林省教育厅"十二五"科学技术研究基金资助项目2011262
2012-07-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
144-147