多层前馈神经网络快速学习算法的实现

杜利民; 侯自强

您当前的位置：

首页 >

文章列表页 >

多层前馈神经网络快速学习算法的实现

更新时间：2025-12-08

- 多层前馈神经网络快速学习算法的实现
- Implementation of the Fast Learning Algorithm lor Multilayer Feed-Forward Neural Networks
- 电子学报 1992年第10期页码：61-68
- 作者机构：
  
  1. 中国科学院声学研究所声场声信息国家重点实验室
  2. 中国科学院声学研究所声场声信息国家重点实验室北京100080
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：1992
- 稿件说明：
移动端阅览
[1]杜利民,侯自强.多层前馈神经网络快速学习算法的实现[J].电子学报,1992(10):61-68.

Du Limin, Hou Ziqiang. Implementation of the Fast Learning Algorithm lor Multilayer Feed-Forward Neural Networks[J]. Acta Electronica Sinica, 1992, (10): 61-68.
[1]杜利民,侯自强.多层前馈神经网络快速学习算法的实现[J].电子学报,1992(10):61-68. DOI：

Du Limin, Hou Ziqiang. Implementation of the Fast Learning Algorithm lor Multilayer Feed-Forward Neural Networks[J]. Acta Electronica Sinica, 1992, (10): 61-68. DOI：

摘要

本文评述优化学习率BP（Back Propagation）算法

给出应用研究中几种常用网络结构的优化学习率的计算公式

讨论与算法实现相关的一些问题.模拟实验结果进一步揭示算法的快速性质.

Abstract

The optimum learning rate BP algorithm is reviewed for addressing problem-involved in numerical experiments and formulas to efficiently implement it when applied to several net architectures most in use. The simulation results further release properties of the algorithm.

关键词

Keywords

references

浏览量

101

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

初始权值优化技术在机器人学习中的应用

基于模糊神经网络预报的抽油机节能控制研究

多层前向神经网络的权值平衡算法

前向多层神经网络模糊自适应算法