10.3969/j.issn.1007-757X.2018.08.027
基于BP神经网络学习率优化的研究
现今社会人工智能技术快速迭代发展,其应用也越发广泛,包括搜索、数学优化、逻辑推演等工具都应用了人工智能技术.神经网络作为人工智能的重要方法正在被不断地深入研究,而BP神经网络是经典的神经网络之一,在语音分析、图像识别、数字水印、计算机视觉等应用领域都取得了显著的效果.在对BP神经网络进行训练时,学习率的设置是众多参数中至关重要的一项.学习率选取不当将直接导致模型收敛速度慢、模型易越过全局极小值点等问题.针对BP神经网络中的学习率选取开展研究,将传统的固定学习率优化为变化学习率,从而有效地提高了BP神经网络模型的收敛速度以及精确度.
BP神经网络、固定学习率、变化学习率
34
TP311(计算技术、计算机技术)
2018-11-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
89-92