一种递归神经网络的快速并行算法
针对递归神经网络BP(Back Propagation)学习算法收敛慢的缺陷,提出一种新的递归神经网络快速并行学习算法.首先,引入递推预报误差(RPE)学习算法,并且证明了其稳定性;进一步地,为了克服RPE算法集中运算的不足,设计完整的并行结构算法.本算法将计算分配到神经网络中的每个神经元,完全符合神经网络的并行结构特点,也利于硬件实现.仿真结果表明,该算法比传统的递归BP学习算法具有更好的收敛性能.理论分析和仿真实验证明,该算法与RPE集中运算算法相比可以大大节省计算时间.
递归神经网络、递推预报误差、并行算法、集中运算
30
TP183(自动化基础理论)
国家科技攻关项目2001BA401A06-0.4
2004-08-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
516-522