前馈网的一种梯度--牛顿结合BP算法.pdfVIP

下载本文档

15
0
约8.57千字
约 6页
2017-08-13 发布于安徽
举报
版权申诉

前馈网的一种梯度--牛顿结合BP算法.pdf

1、本文档共6页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

≥0 前馈网的一种梯度一牛顿结合印算法① 粱久祯黄德双何新贵 01 北京航空航天大学计算机系，100083北京秉统工程研究所．1001 一叠：本文提出一种基于误差函数的两种表现形式的前馈网网梯度一牛顿结合BP算法．该算法保留梯度法在学习初始阶段速度快的特点，同时对另一种形式的目标函数在收敛域内引入牛顿迭代法，算法中只需计算目标函数的一阶导数，计算复杂度小且收敛速度快．文中给出了实验结果j 关t词：前愤神经网络BP学习算法梯度法牛顿法收敛性 A for NeuralNetwoks Gradient-Newton Feedforward LearningAlgorithm LimlgJiu-zhen Humlg Dc埘lⅢ19．HeXin-gui TⅫ1wingImtitutc．ItU] BeijingS．)qmn ^l，scrad forfmxlfc肌,atdII．UIIII hlthis阿Hu℃|loposealmvldiflol’QadhI．N“佃1k邛“瑶algorilhm 州w虹蛔甜∞“m锄㈣d研fIⅢ倒吣h1嘶s alge[itlln忧retabl the肝IdiaⅡalgoritlrn衙its 011恤0tlHl瑚1【lWCintroduce№州q1i嘧“a1 fast珥删at leaning ad噼of llx：：fonna盈a萨of based d0·llailt mm训H喇舳“(曹1IIix：eds theIhaderof alg嘎jth面jIs∞1惯驴u t11ly c(111Ⅵxnc nd diff骶neeinoura卿帅u∞ithash^酉exxntxlIa,lioncalq—‘拍IValdhass11cctlinl唧I雌．Fimlly,nc giw咖∞Tp曲唱咖1甲b Fecdfcv,vardNetⅡal N桃BP I畸Worth Imanai]弓Algonthn、(kⅨbalI algonthtri．hkutm￡dgonthm， Con旧Wmcc 1．引言众所周知，多层前馈BP神经网络的学习可归结为…非线性彩维函数的极小化问题。在晟优化方法中极小化剿艮多．其中梯度法是最简单的一种算法。BP『川传统算法【11就是以梯度法形式出现的。该算法的计算量小．易实现，故被大量用于神经网络的_I}约：。ff=l是．实际问题中．|妇于目标函数一般是定义在