10.3969/j.issn.1007-130X.2005.01.017
基于梯度动力学的协同神经网络学习算法的改进
本文在研究协同神经网络梯度动力学过程的基础上,针对学习过程收敛速度缓慢的缺点,提出了一种改进的、基于梯度动力学的协同神经网络学习算法.该算法分析了非平衡注意参数对学习过程的影响,简化了初始伴随向量的选取;并引入最优化理论,将该问题归结为求解非线性最优化问题,用共轭梯度法代替梯度下降法,加快了学习过程的收敛.通过对汉字图像库和人脸图像库的图像识别实验表明,该算法比其他学习算法的识别率高,并能较快地收敛到极小值.
协同神经网络、梯度动力学、注意参数、共轭梯度法
27
TP183(自动化基础理论)
2005-01-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
42-45