排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
一种改进BP神经网络的算法 总被引:2,自引:0,他引:2
传统的神经网络BP算法存在收敛速度慢、存在局部极小点等问题,这种算法收敛慢的主要原因是它利用的是性能函数的一阶信息,递推最小二乘算法利用了二阶信息,但是需要计算输入信号的自相关矩阵的逆,计算量大,不易实现。本文提出一种梯度递推BP算法,它基于最小二乘准则,利用改进的梯度来实现BP算法,这种算法不用计算输入信号的自相关矩阵,并通过仿真证明了该算法的有效性。 相似文献
2.
3.
模糊神经网络有效的利用模糊技术和神经网络两者的优点,但是由于需要调整模糊隶属度函数,使得网络计算量很大,收敛速度变慢。本文利用T-S模糊模型,以Chehyshev函数作为隶属度函数,无需调整其参数,大大减少了计算量,提高了运算速度,仿真结果表明了该模型和算法的有效性和快速性。 相似文献
1