一种可调参数前馈神经网络的快速学习算法  

Fast Learning Algorithm of Adjustable Parameter Feedforward Neutral Network

作　　者：彭小奇[1] 王文[1] 宋彦坡[1] 张建智[1] 

机构地区：[1]中南大学能源科学与工程学院,长沙410083

出　　处：《计算机工程》2007年第8期187-189,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(50374079);国家博士点基金资助项目(20030533008)

摘　　要：针对传统BP神经网络权值算法速度慢、易陷入局部极小等缺陷,在权值平衡算法的基础上,提出了一种激励函数参数可调的前馈神经网络,并给出了相应的权值和参数快速学习算法。该算法运用该文提出的非单调启发式模拟退火搜索法实现网络权值和参数的快速搜索。实验表明,该算法不仅能明显提高网络的学习速度,而且可较好地避免学习过程陷入局部极小点而导致学习失败。Aiming at traditional BP neutral network weight algorithm＇s defect such as slow convergence and easy to plunge into local extremum, an adjustable parameter feedforward neutral network and a fast algorithm to train it are proposed on the basis of weight balance algorithm. Based on the search technique of non-monotone heuristic simulated ~nnealing proposed, the algorithm realizes fast search of network weight and parameter. Experiments show that this algorithm can speed up the learning process of network, and solve the problem of local extremum in learning process to a certain extend.

关 键 词：可调参数 神经网络 模拟退火法 权值平衡 快速学习算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]