10.3969/j.issn.1000-1220.2013.08.032
一种BP网的学习速率与动量项自适应算法
针对BP网络学习速率和动量项参数较难选取以及学习过程中学习效率较为低下的问题,提出BP网络的改进算法模型—AB网络模型,来选取学习速率和动量项的参数值,即通过一个为给定先验知识的A网,动态调节另一个执行实际应用的B网中的学习速率和动量项的参数值,并以此提高整个网络的学习效率.实验结果表明,通过AB网络自适应调整参数的算法比普通BP算法的学习效率大大提高.在实际应用中,我们可以通过AB网络自适应调节的方法,对学习速率参数和动量项参数进行合适的选取.
AB网络、BP算法、动量项、学习速率、梯度下降法
34
TP183(自动化基础理论)
国家"九七三"重点基础发展研究计划项目2005CB321901;软件开发环境国家重点实验室开放课题BUAA-SKLSDE-09KF-03
2013-11-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
1872-1876