10.3969/j.issn.1003-3254.2014.06.033
基于条件对数似然的BP神经网络多类分类器
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。
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
TN9;O17
2014-07-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
183-186