基于改进算法的多层神经网络的结构优化设计  

Structural Optimization of Multilayer Neural Networks Based on An Enhanced Algorithm

作　　者：雷铁安[1] 吴作伟[1] 杨周妮[1] 

机构地区：[1]北京交通大学机电学院,北京100044

出　　处：《大连铁道学院学报》2004年第3期49-52,共4页Journal of Dalian Railway Institute

摘　　要：简要地介绍了工程中应用较多的多层前向神经网络(BP网络)的结构和网络的设计.通过采用一种改进的训练算法(参考隐层的输出),并结合科学的样本选择方法("超立方体"法)设计网络,进行网络训练.最后通过数字仿真证明了这个网络模型用于结构优化设计的有效性.This paper introduces the structure and the design of MLP network ('back-propagarion networks') which was often applied to practical engineering. A network was designed and trained by a enhanced training algorithm(reference the output of the hidden layer) combined with a sample selection method ('hypercube'method). The network model is proved feasible by numerical simulation results.

关 键 词：多层神经网络 改进算法 多层前向神经网络 超立方体 训练算法 网络训练 BP网络 证明 科学 参考 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]