使用三层神经元网络的先验信息新学习方法

摘要：

提出一种使用三层神经元网络的先验信息的新学习方法.通常,当神经元网络被用于函数逼近时,没有考虑权之间的关系而独立地学习,这样,学习的结果往往不理想.其原因是在学习中权是相互影响的.为了克服这一问题,首先,给出了一些有关权的先验信息,然后基于此提出部分权学习和其余权由精确数学方程计算的新学习方法.这方法在权的学习中几乎保持精确数学结构.另外,使用不等式先验信息的学习方法也被提出了.无论使用不等式还是等式先验信息的学习,因网络权的自由度被限制而加快了学习速度并保证误差较小.数值仿真的结果支持提出方法.

关键词：先验信息、神经元网络学习、部分参数学习、精确数学结构

所属期刊栏目：34

分类号：TP1(自动化基础理论)

资助基金：上海市教委资助项目03AK14

在线出版日期：2004-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：374-390