一种基于共轭梯度的LMBP改进学习算法  

Improved learning algorithm for LMBP based on conjugate gradient methods

作　　者：李业丽[1] 冯超[2] 陆利坤[1] 

机构地区：[1]北京印刷学院信息与机电工程学院,北京102600 [2]天津大学电气与自动化工程学院,天津300072

出　　处：《计算机工程与应用》2008年第21期106-108,共3页Computer Engineering and Applications

基　　金：北京市高校人才引进资助

摘　　要：对神经网络中的LMBP(Levenberg-Marquardt BP)算法的收敛速度慢进行分析,针对矩阵JTJ+μI求逆过程运算量过大而造成收敛速度慢的缺陷,根据无约束优化理论,提出一种基于共轭梯度方法的改进LMBP网络学习算法,利用求解大规模线性方程组的共轭梯度方法,避免了烦琐的求逆过程,降低了计算复杂度,加快了网络的收敛速度,通过Matlab仿真,比较了算法的收敛速度,证明了方法的有效性。The convergence of Levenberg-Marquardt BP neural network is slow.The reason is that computation costs too much in process of inversing matrix jTJ＋μI for LMBP algorithm.Based on unconstrained optimization theory,an improved LMBP learning algorithm is presented by using conjugate gradient methods,It uses the way to avoid the time-consuming calculation of the invers matrix,to decrease the calculation amount and to quicken the convergence.The validity of the algorithm is proved by the simulation in Matlab.

关 键 词：BP算法 Leverberg—Marquardt 优化理论 共轭梯度 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]