基于改进共轭梯度法的前馈网络快速监督学习算法  

A Fast Supervised Learning Algorithm of Multilayer Feedforward Network Based on Improved Conjugate Gradient Method

作　　者：杨斌[1] 聂在平[1] 夏耀先 蒋荣生 

机构地区：[1]电子科技大学电子工程学院,四川成都610054 [2]中海油田服务有限公司,北京101149

出　　处：《电子学报》2002年第12期1845-1847,共3页Acta Electronica Sinica

基　　金：国家自然科学基金(No.69871004);国土资源部油气藏地质与开发工程国家重点实验室基金(No.PLC9913)

摘　　要：为了提高多层前馈神经网络的权参数的学习效率,通过引入改进的求解大规模线性方程组的共轭梯度法,提出一种新的基于LM的前馈网络学习算法.该算法不仅具有LM优化学习方法的快速收敛特性,而且降低了LM法的计算复杂度,可获得比其它标准算法更好的学习精度和推广预测能力.文中通过仿真结果证明了新算法在函数逼近和时间序列预测等问题环境下的有效性.To improve the weight learning efficiency of multilayer feedforward network,a new similar LM learning algorithm is proposed by introducing modified conjugate gradient method in solving of large-scale linear equation sets. In addition to the fast convergent advantage the LM method demonstrates that,the new algorithm not only reduces the training time and overall complexity, but also achieves training accuracy and generalization capability comparable to more standard approaches. Extensive simulation results are provided to show the effectiveness of the new algorithm.

关 键 词：共轭梯度法 前馈网络 快速监督学习算法 神经网络 LEVENBERG-MARQUARDT算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]