基于正交校正共轭梯度法的快速神经网络学习算法研究
Study of fast learning algorithm for neural networks base on CGM-OC approach
-
摘要: 前馈神经网络由于具有理论上逼近任意非线性连续映射的能力,因而非常适合于非线性系统建模及构成自适应控制。为了提高前馈神经网络的权的学习效率及稳定性,该文提出一种基于正交校正共轭梯度优化方法的快速神经网络学习算法,通过与其它学习算法(如:BP算法、变尺度法、用差商近似代替导数的Powell法等)的比较,经仿真试验表明,本算法是一种高效、快速的学习算法。
-
关键词:
- 神经网络; 学习算法; 正交校正共轭梯度
Abstract: Because the feedforward neural network has an ability of approach to arbitrary nonlinear mapping, it can be used effectively in the modeling and controlling of nonlinear system. In order to improve the learning efficiency and stability of feedforward neural network, a fast learning algorithm for neural networks base on CGM-OC approach is presented. Compared with other learning methods such as BP method, Broyden Flecher Goldfarl Shanno method. Power method etc., simulation results show that the proposed method is an efficient and fast method. -
徐嗣鑫,戴友元,前向神经网络的一种快速学习算法及其应用,控制与决策,1993,8(4),284-288[2]王耀南,童调生,蔡自兴,基于神经元网络的智能PID控制及应用,信息与控制,1994,23(3),185-189[3]张星昌,前馈神经网络的新学习算法研究及其应用,控制与决策,1997,12(3),213-216[4]王耀南,基于变尺度优化方法的快速神经网络学习算法研究,系统仿真学报,1997,9(1),34-39.[5]徐春晖,徐向东,前馈神经网络新学习算法的研究,清华大学学报(自然科学版)1999,39(3),1-3.
计量
- 文章访问数: 2449
- HTML全文浏览量: 113
- PDF下载量: 442
- 被引次数: 0