一种新的小波网络快速学习混合策略
针对传统的小波网络梯度学习算法易于陷入局部极值、收敛速度慢且对初始参数很敏感的缺点,将全局性能优越的盖异进化(DE)算法和最小二乘算法(LS)有机的结合起来.提出了一种新的快速学习混合策略.该混合学习算法思想是将待训练参数分为非线性和线性两类,利用差异进化算法对小波网络非参数进行全局优化训练,而最小二乘法用于快速训练网络连接权值.非线性函数逼近实验表明,小波网络逼近性能要远优于传统的BP神经网络,相对于使用随机梯度学习算法的小波网络,提出的混合学习算法收敛速度更快,且具有更小的均方差.
差异进化、最小二乘、小渡网络、混合学习、随机梯度
20
TP183(自动化基础理论)
2008-05-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
530-533