前馈型神经网络新学习算法的研究  

作　　者：杨永洁[1] 张继德[1] 孙桂波[1] 

机构地区：[1]河北联合大学电气工程学院

出　　处：《科技信息》2012年第18期141-142,共2页Science & Technology Information

摘　　要：前馈神经网络在非线性系统的建模及控制中有着广阔的应用前景,但是该网络的学习算法—向后传播算法(Backpropagation(BP)Algorithm)算法存在一些不足。为了提高多层前馈神经网络的学习效率及稳定性,引入了非线性最小二乘法。通过与其他学习算法的比较,得出结论:其中用差商近似代替导数的Powell法是一种高效、快速的学习方法,其学习速率比带动量项的学习率自适应的BP算法高一个量级,而比Daviden Fletcher Powell(DFP)、BroydenFletcher Goldfarl Shanno(BFGS)等变尺度方法以及其他非线性最小二乘法的稳定性要好得多。

关 键 词：前馈神经网络 学习算法 非线性最小二乘法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]