共查询到20条相似文献,搜索用时 93 毫秒
1.
多层前向神经网络的快速学习算法及其应用 总被引:16,自引:0,他引:16
针对目前多层前向神经网络学习算法存在的不足,提出一种多层前向神经网络的快速学习算法,它不仅符合生物神经网络的基本特征,而且算法简单,学习收敛速度快,具有线性、非线性逼近精度高等特性.以二杆机械手逆运动学建模作为应用实例,仿真结果表明该方法是有效的,其算法与收敛速度更优于BP网络. 相似文献
2.
多层前向神经网络的快速学习算法及其应用 总被引:4,自引:1,他引:4
针对目前多层前向神经网络学习算法存在的不足,提出一种多层前向神经网络的快速学习算法,它不仅符合生物神经网络的基本特征,而且算法简单,学习收敛速度快,具有线性,非线性逼近精度高等特性,以二杆机构手逆运动学建模作为应用实例,仿真结果表明该方法是有效的,其算法与收敛速度更优于BP网络。 相似文献
3.
4.
针对油田系统常规的建模和动态预测方法的局限性,采用多层动态前向网络作为油田系统的辨识模型,研究了多层动态前向网络预测模型与预测技术.分析了递推预报误差学习算法的不足之处,提出了改进方案,提高算法的性能,从而更新了油田系统建模和预测方法.新方案在油田开发动态指标预测应用中,取得了很好的效果,表明本文方法的有效性. 相似文献
5.
传统人工神经网络的输入均为向量形式,而图像由矩阵形式表示,因此,在用人工神经网络进行图像处理时,图像将以向量形式输入至神经网络,这破坏了图像的结构信息,从而影响了图像处理的效果。为了提高网络对图像的处理能力,文中借鉴了深度学习的思想与方法,引进了具有矩阵输入的多层前向神经网络。同时,采用传统的反向传播训练算法(BP)训练该网络,给出了训练过程与训练算法,并在USPS手写数字数据集上进行了数值实验。实验结果表明,相对于单隐层矩阵输入前向神经网络(2D-BP),所提多层网络具有较好的分类效果。此外,对于彩色图片分类问题,利用所提出的2D-BP网络,给出了一个有效的可行方法。 相似文献
6.
多层前向网络的逼近与泛化机制 总被引:21,自引:0,他引:21
对多层前向网络的实际逼近过程进行了系统的分析,对前向网络泛化问题的数学和逻辑根源进行了阐述。研究表明,多层前向网络的实际逼近过程所基于的数学空间和Kolmogorov等人关于理想网络映射能力的数学证明所基于的数学空间是不同的,它们是两类性质不同的逼近问题,具有完全不同的逼近机制。前向网络适合于描述人数的感受。 相似文献
7.
8.
9.
采用同伦BP算法进行多层前向网络的训练 总被引:21,自引:0,他引:21
本文把同伦论中零点路径跟踪的概念推广到多层前向网络能量函数极小点路径的跟踪,从而提出多层前向网络一种新的训练方法-同伦BP算法(包括教师同伦和输入同伦),并且分析了其收敛性性质。结合异或问题和由部分信息重建完整信号所作仿真计算,证明此方法在收速度和避免陷入局部极小的能力上均明显地优于常规BP算法,体现了人类认识事物时所遵循的由简到繁、循序渐进的原则。 相似文献
10.
基于免疫遗传算法的多层前向神经网络设计 总被引:14,自引:0,他引:14
利用一种基于免疫功能的遗传算法,设计多层前向神经网络,用于实现多层前向神经网络结构的确定和权值空间的搜索。仿真实验结果显示该算法具有比遗传算法和动量BP算法更好的全局收敛性和快速学习网络权值的能力。 相似文献
11.
12.
This paper presents a novel Heuristic Global Learning (HER-GBL) algorithm for multilayer neural networks. The algorithm is based upon the least squares method to maintain the fast convergence speed, and the penalized optimization to solve the problem of local minima. The penalty term, defined as a Gaussian-type function of the weight, is to provide an uphill force to escape from local minima. As a result, the training performance is dramatically improved. The proposed HER-GBL algorithm yields excellent results in terms of convergence speed, avoidance of local minima and quality of solution. 相似文献
13.
14.
提出的算法是利用凸函数共轭性质中的Young不等式构造优化目标函数,这个优化目标函数对于权值和隐层输出来说为凸函数,不存在局部最小。首先把隐层输出作为变量进行优化更新,然后快速计算出隐层前后的权值。数值实验表明:此算法简单,收敛速度快,泛化能力强,并大大降低了学习误差。 相似文献
15.
根据优化理论中的Hooke-Jeeves模式搜索(pattern search)法提出了多层前馈式神经网络快速训练算法HJPS.该算法由“探测搜索”和“模式移动”两个步骤交替进行.其基本思想是探测搜索依次沿各个坐标轴进行,用以确定新的基点和有利于网络误差函数值下降的方向.模式移动沿相邻两个基点的连线方向前进,从而进一步减小误差函数值,达到更快收敛.实验结果表明,同BP算法以及其他几种快速算法相比,HJPS算法在收敛速度和运算时间上都有非常显著的提高.同时HJPS算法的泛化能力很强. 相似文献
16.
一种前向神经网络快速学习算法及其在系统辨识中的应用 总被引:14,自引:0,他引:14
提出一种基于最小二乘的前向神经网络快速学习算法.与现有同类算法相比,该算法无需任何矩阵求逆,计算量小,较适于需快速学习的系统辨识和其他应用.文中推导了算法,并给出一种更为简便的局部化算法.系统辨识的仿真实例表明了算法的优良性能. 相似文献
17.
本文介绍了引入信赖域优化理论解决神经网络中学习问题的新算法,提出了计算有效信赖域步方法,以保证信赖域算法的正确性,采用变系数方法避免了信赖域半径自适应调整过程中不稳定和低效的问题。实验表明,信赖域学习算法优于变尺度算法。 相似文献
18.
19.
王继成 《计算机工程与科学》2000,22(3):6-9
通过对人类学习机理和机制的研究,以及对现有BP神经网络学习算法及其改进的深入分析,本文提出了一种新的学习算法。该学习算法使神经网络学习由纯数学推导向智能化(启发式)学习发展,获取解决问题的最佳结构中神经元数及神经元间的联接数随问题的变化而动态变化,克服了目前神经网络学习算法普遍存在的学习时间长、局部极小小等问题。 相似文献