| BP网络局部学习速率自适应SA算法的改进 |
| |
| 引用本文： | 李波,李赣华,王成友,蔡宣平,张尔扬.BP网络局部学习速率自适应SA算法的改进[J].信号处理,2005,21(6):615-620. |
| |
| 作者姓名： | 李波 李赣华 王成友 蔡宣平 张尔扬 |
| |
| 作者单位： | 1. 国防科技大学电子科学与工程学院智能感知系统联合研究中心,长沙,430073;空军工程大学电讯工程学院,西安,710077
2. 国防科技大学电子科学与工程学院智能感知系统联合研究中心,长沙,430073 |
| |
| 摘 要： | Silva-Almeida(SA)算法是最好的局部学习速率自适应算法之一,在对SA算法进行研究分析的基础上,提出 两项改进措施,使改进后的SA算法较原SA算法震荡现象大大减弱,训练速率有较大加快,训练精度有较大提高。在仿 真实验中,改进的SA算法在一定程度上优于RPROP算法。
|
| 关 键 词： | 局部学习速率自适应 全局学习速率自适应 批训练算法 梯度下降 BP神经网络 |
| 修稿时间： | 2004年6月21日 |
Improving the SA Learning Algorithm |
| |
| Li Bo,Li Ganhua,Wang Chengyou,Cai Xuanping,Zhang Eryang.Improving the SA Learning Algorithm[J].Signal Processing,2005,21(6):615-620. |
| |
| Authors: | Li Bo Li Ganhua Wang Chengyou Cai Xuanping Zhang Eryang |
| |
| Abstract: | SA algorithm proposed by Silva and Almeida is one of the best performing local learning rate adaptation methods for neural networks. Based on the analysis of SA algorithm, two improved methods are proposed for SA algorithm. Comparing to the original SA algorithm, the improved SA method can resist the oscillation in a large scale, make the learning rate increased, and raise the precision. In the experiment, the improved SA algorithm is better than RPROP method in some extent. |
| |
| Keywords: | local learning rate adaptation global learning rate adaptation batch training algorithms gradient descent backpropagation (BP) Networks |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
