Finite Convergence of On-line BP Neural Networks with Linearly Separable Training Patterns  

具线性可分训练样本时在线BP神经网络的有限收敛性(英文)

作　　者：邵郅邛[1] 吴微[1] 杨洁[1] 

机构地区：[1]大连理工大学应用数学系,辽宁大连116023

出　　处：《Journal of Mathematical Research and Exposition》2006年第3期451-456,共6页数学研究与评论（英文版）

基　　金：the National Natural science Foundation of China (10471017);the Basic Research Program of the National Defence Committee of Science,Technology and Industry of China (K1400060406)

摘　　要：In this paper we prove a finite convergence of online BP algorithms for nonlinear feedforward neural networks when the training patterns are linearly separable.当训练样本线性可分时,本文证明前馈神经网络的在线BP算法是有限次收敛的．

关 键 词：nonlinear feedforward neural networks online BP algorithms finite convergence linearly separable training patterns. 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]