基于条件对数似然的BP神经网络多类分类器

摘要：

BP 神经网络分类器存在收敛速度慢的缺陷，为了提高分类器性能，针对这一缺陷对 BP 算法进行改进。提出将条件对数似然(CLL)准则融入到监督性BP神经网络多类型分类过程中，利用CLL的可分解性优势，计算测试样本的条件概率，在误差反向传播时利用条件概率对权值进行相应的加权降权操作，简化误差反馈过程中的计算量。在实验中对改进算法的收敛速度和准确率进行了测试，说明了该算法的有效性及实用性。

关键词：BP神经网络、条件对数似然、多类分类器、收敛速度、监督性神经网络

分类号：TN9;O17

在线出版日期：2014-07-15（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：183-186