摘要
目前大部分神经网络学习算法都是对网络所有的参数同时进行学习．当网络规模较大时，这种做法常常很耗时．由于许多网络，例如感知器、径向基函数网络、概率广义回归网络以及模糊神经网络，都是一种多层前馈型网络，它们的输入输出映射都可以表示为一组可变基的线性组合．网络的参数也表现为二类：可变基中的参数是非线性的，组合系数是线性的．为此，提出了一个将这二类参数进行分离学习的算法．仿真结果表明，这个学习算法加快了学习过程。
出处
《自动化学报》
EI
CSCD
北大核心
1998年第4期439-446,共8页
Acta Automatica Sinica
基金
广东省自然科学基金
