激励函数可调的前馈神经网络在线学习算法  

A FAST LEARNING ALGORITHM FOR FEEDFORWARD NEURAL NETWORKS WITH VARIABLE SATURATED FUNCTIONS

作　　者：宋轶民[1] 熊熊[1] 马文贵[1] 张策[1] 

机构地区：[1]天津大学机械工程学院

出　　处：《天津大学学报》1999年第2期201-203,共3页Journal of Tianjin University(Science and Technology)

基　　金：天津市自然科学基金

摘　　要：针对标准ＢＰ算法的不足，提出了一种激励函数可调的前馈神经网络在线学习算法．该方法去除了样本的预处理过程，以在线方式训练前馈神经网络，同时修正网络的权重、阈值与激励函数．由于避免了神经元的输出饱和现象，算法的收敛速度明显提高，并在一定程度上防止了局部极小解的出现．A fast learning algorithm is proposed for feedforward neural networks (FNN) with variable saturated functions.All the parameters,including the connecting weights,the offsets and the saturated functions,are modified by means of on line learning.It prevents the neurons from saturating and therefore makes the prescaling procedure unnecessary.The nonlinear mapping capability of FNN is improved significantly.Simulation results prove the validity of the proposed algorithm.

关 键 词：神经网络 学习算法 激励函数 前馈神经网络 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]