10.3969/j.issn.1006-8961.2003.z1.105
一种改进的基于梯度动力学的协同神经网络学习算法
本文在研究协同神经网络梯度动力学过程的基础上,针对学习过程收敛速度缓慢的缺点,提出了一种改进的基于梯度动力学的协同神经网络学习算法.该算法分析了非平衡注意参数对学习过程的影响,简化了初始伴随向量的选取;并引入最优化理论,将该问题归结为求解非线性最优化问题,用共轭梯度法代替梯度下降法,加快了学习过程的收敛.通过对汉字图象库和人脸图象库的图象识别实验表明该算法较之其他学习算法有较高的识别率,并能较快的收敛到极小值.
协同神经网络、梯度动力学、注意参数、最优化、共轭梯度法
8
TP391.41(计算技术、计算机技术)
2004-07-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
466-470