基于改进共轭梯度法的前馈网络快速监督学习算法

杨 斌; 聂在平; 夏耀先; 蒋荣生

您当前的位置：

首页 >

文章列表页 >

基于改进共轭梯度法的前馈网络快速监督学习算法

论文 | 更新时间：2025-07-16

- 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
- 电子学报 2002年30卷第12期页码：1845-1847
- 作者机构：
  
  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
  3. 电子科技大学电子工程学院四川成都,610054
  4. 中海油田服务有限公司北京,101149
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TP183
- 纸质出版：2002
- 稿件说明：
移动端阅览
杨斌, 聂在平, 夏耀先, 等. 基于改进共轭梯度法的前馈网络快速监督学习算法[J]. 电子学报, 2002,30(12):1845-1847.

Network Based on Improved Conjugate Gradient Method YANG Bin, NIE Zai-ping, XIA Yao-xian, et al. A Fast Supervised Learning Algorithm of Multilayer Feedforward[J]. Acta Electronica Sinica, 2002, 30(12): 1845-1847.
杨斌, 聂在平, 夏耀先, 等. 基于改进共轭梯度法的前馈网络快速监督学习算法[J]. 电子学报, 2002,30(12):1845-1847. DOI：

Network Based on Improved Conjugate Gradient Method YANG Bin, NIE Zai-ping, XIA Yao-xian, et al. A Fast Supervised Learning Algorithm of Multilayer Feedforward[J]. Acta Electronica Sinica, 2002, 30(12): 1845-1847. DOI：

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.

Abstract

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

Keywords

references

浏览量

1049

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

背景感知机制的图像分类网络

基于神经网络的图像风格迁移算法综述

基于自适应空间映射多可信度模型的网状天线形态机电集成优化设计

差分编码与神经网络辅助的OFDM系统信道估计方法