扩展隐层的误差反传网络训练算法研究

摘要：

为提高神经网络的预测精度,对现有的误差反传网络训练算法进行了改进.对三层误差反传网络进行了结构扩展,在训练过的三层网络中,动态增加一个具有线性激活函数的辅助隐层,形成一种新的网络扩展模型.用改进的蚁群算法对新增权值参数进行训练,着重阐述算法的实现过程及算法分析.最后,设计了一组催化剂活性预测实验,对算法改进前后的预测能力及训练误差进行了对比.结果表明,采用该模型及训练算法,可以在不影响网络表达能力的基础上提高网络的训练精度及预测精度,改善了网络的泛化能力.

关键词：误差反传、神经网络、扩展隐层、训练算法、预测精度

所属期刊栏目：14

分类号：TP183(自动化基础理论)

资助基金：国家863计划资助项目2006AA062224

在线出版日期：2009-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2284-2288