BP网络的PID型二阶快速学习算法 被引量：17

1

作者 邓志东 孙增圻 刘建伟 《自动化学报》 EI CSCD 北大核心 1995年第1期67-72,共6页

本文利用ＰＩＤ控制的思想，提出了ＢＰ网络的一种二阶快速学习算法，给出了学习因子选择的必要条件与较佳区域，并结合一非线性正弦函数进行了仿真研究．结果表明，较之标准ＢＰ学习算法，利用此法可使学习收敛速度提高２２倍左右．

关键词 PID控制 快速学习算法 神经网络

在线阅读 下载PDF 职称材料

一种前馈神经网络的快速学习算法 被引量：13

2

作者 李晓东 胡志恒 虞厥邦 《信号处理》 CSCD 2004年第2期184-187,共4页

本文提出一种前馈神经网络的快速学习算法。与传统的BP方法相比,本算法有两个改进之处,一是同时将网络的非线性输出误差与线性输出误差作为待优化的目标函数,二是改进了学习过程中误差的反向传播因子。仿真结果表明,使用本文的算法训练... 本文提出一种前馈神经网络的快速学习算法。与传统的BP方法相比,本算法有两个改进之处,一是同时将网络的非线性输出误差与线性输出误差作为待优化的目标函数,二是改进了学习过程中误差的反向传播因子。仿真结果表明,使用本文的算法训练前馈神经网络,计算复杂度略高于BP算法,但学习速度却有显著的提高。 展开更多

关键词 前馈神经网络 快速学习算法 反向传播 BP算法

在线阅读 下载PDF 职称材料

一种可调参数前馈神经网络的快速学习算法 被引量：2

3

作者 彭小奇 王文 +1 位作者 宋彦坡 张建智 《计算机工程》 CAS CSCD 北大核心 2007年第8期187-189,共3页

针对传统BP神经网络权值算法速度慢、易陷入局部极小等缺陷,在权值平衡算法的基础上,提出了一种激励函数参数可调的前馈神经网络,并给出了相应的权值和参数快速学习算法。该算法运用该文提出的非单调启发式模拟退火搜索法实现网络权值... 针对传统BP神经网络权值算法速度慢、易陷入局部极小等缺陷,在权值平衡算法的基础上,提出了一种激励函数参数可调的前馈神经网络,并给出了相应的权值和参数快速学习算法。该算法运用该文提出的非单调启发式模拟退火搜索法实现网络权值和参数的快速搜索。实验表明,该算法不仅能明显提高网络的学习速度,而且可较好地避免学习过程陷入局部极小点而导致学习失败。 展开更多

关键词 可调参数 神经网络 模拟退火法 权值平衡 快速学习算法

在线阅读 下载PDF 职称材料

MLSVM4——一种多乘子协同优化的SVM快速学习算法 被引量：3

4

作者 业宁 孙瑞祥 董逸生 《计算机研究与发展》 EI CSCD 北大核心 2005年第9期1467-1471,共5页

贯序最小优化(SMO)算法是解决大数据集支持向量机学习问题的一种有效方法,但SMO选择工作集的策略是选择数据集中最违背KKT条件的两个样本,而且还使用了随机函数,使得优化过程具有很大的随机性,影响了学习效率.在多拉格朗日乘子协同优化... 贯序最小优化(SMO)算法是解决大数据集支持向量机学习问题的一种有效方法,但SMO选择工作集的策略是选择数据集中最违背KKT条件的两个样本,而且还使用了随机函数,使得优化过程具有很大的随机性,影响了学习效率.在多拉格朗日乘子协同优化的通用公式基础上,吸收了Keerthi所提出的SMO修改算法中双阈值的优点,给出了乘子数为4时的一个算法MLSVM4,由于能更加精确地确定待优化样本的拉格朗日乘子值,使得学习收敛速度大大提高,特别是在使用线性核的场合下效果更加明显,在Adult、Web、手写体数字数据集上的实验结果表明,MLSVM4算法速度超过了SMO算法3到42倍. 展开更多

关键词 SVM 快速学习算法 拉格朗日乘子

在线阅读 下载PDF 职称材料

多拉格朗日乘子协同优化的SVM快速学习算法研究 被引量：2

5

作者 业宁 孙瑞祥 董逸生 《计算机研究与发展》 EI CSCD 北大核心 2006年第3期442-448,共7页

提出了一个利用多个拉格朗日乘子协同优化的支持向量机快速学习方法（MLSVM），并给出了每个乘子的可行域范围的定义公式，由于在每个乘子的优化过程中使用了解析表达式，使得算法可以更加精确和快速地逼近最优解，可以证明SMO算法是该... 提出了一个利用多个拉格朗日乘子协同优化的支持向量机快速学习方法（MLSVM），并给出了每个乘子的可行域范围的定义公式，由于在每个乘子的优化过程中使用了解析表达式，使得算法可以更加精确和快速地逼近最优解，可以证明SMO算法是该方法的一个特例．在此方法的理论指导下，根据不同的学习策略，程序实现了3种不同的具体算法（MLSVM1，MLSVM2，MLSVM3），其中前两个算法在数据集不大时（〈5000条记录）学习速度与SMO算法相当，但当数据集更大时，算法就失效了．MLSVM3是一个改进算法，总结了MLSVM1和MLSVM2失效的原因，对SMO算法中学习效率较低的部分进行了改进，在多个数据集上测试，MLSVM3算法速度超过了SMO算法7．4％～41.30％． 展开更多

关键词 SVM 快速学习算法 拉格朗日乘子 优化

在线阅读 下载PDF 职称材料

基于模糊Chebyshev基函数神经网络的快速学习算法 被引量：1

6

作者 曾喆昭 扶蔚鹏 《系统仿真学报》 EI CAS CSCD 2001年第3期319-320,共2页

将模糊控制与神经网络相结合，用神经网络来实现模糊推理，提出了一种以Chebyshev基函数为隶属函数的模糊神经网络。由于无需调整隶属函数的参数，因此该模糊神经网络模型算法的计算量大大减小，仿真结果表明了该模型算法的有效性和快... 将模糊控制与神经网络相结合，用神经网络来实现模糊推理，提出了一种以Chebyshev基函数为隶属函数的模糊神经网络。由于无需调整隶属函数的参数，因此该模糊神经网络模型算法的计算量大大减小，仿真结果表明了该模型算法的有效性和快速性。 展开更多

关键词 模糊神经网络 Chebyshev基函数 快速学习算法 模糊控制

在线阅读 下载PDF 职称材料

勒让德基函数神经网络快速学习算法研究 被引量：1

7

作者 李桂梅 曾喆昭 《电子测量技术》 2001年第2期3-4,共2页

将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种以Legendre基函数为隶属函数的模糊神经网络。由于无需调整隶属函数的参数,因此,该模糊神经网络模型算法的计算量大大减小,仿真结果表明该模型算法的有效性和快速性。

关键词 模糊神经网络 Legendra基函数 快速学习算法

在线阅读 下载PDF 职称材料

前馈神经网络的一种快速学习算法

8

作者 贾文臣 叶世伟 《计算机工程》 CAS CSCD 北大核心 2005年第10期142-144,176,共4页

提出的算法是利用凸函数共轭性质中的Young不等式构造优化目标函数,这个优化目标函数对于权值和隐层输出来说为凸函数,不存在局部最小。首先把隐层输出作为变量进行优化更新,然后快速计算出隐层前后的权值。数值实验表明:此算法简单,收... 提出的算法是利用凸函数共轭性质中的Young不等式构造优化目标函数,这个优化目标函数对于权值和隐层输出来说为凸函数,不存在局部最小。首先把隐层输出作为变量进行优化更新,然后快速计算出隐层前后的权值。数值实验表明:此算法简单,收敛速度快,泛化能力强,并大大降低了学习误差。 展开更多

关键词 前馈神经网络 YOUNG不等式 凸函数 快速学习算法

在线阅读 下载PDF 职称材料

基于ANN预报模型的快速学习算法

9

作者 王子才 闫纪红 《系统仿真学报》 CAS CSCD 1999年第6期412-414,441,共4页

提出了一种基于预报模型的变目标函数的前向神经网络快速学习算法。首先推导出一种综合目标函数从而实现极值点附近收敛速度的提高，然后导出变目标函数的局部化递推最小二乘算法，该方法与现有同类的算法相比，可以提高收敛速度和预报... 提出了一种基于预报模型的变目标函数的前向神经网络快速学习算法。首先推导出一种综合目标函数从而实现极值点附近收敛速度的提高，然后导出变目标函数的局部化递推最小二乘算法，该方法与现有同类的算法相比，可以提高收敛速度和预报精度，适用于需快速学习的系统辩识和其他应用。 展开更多

关键词 系统辨识 人工神经网络 快速学习算法

在线阅读 下载PDF 职称材料

非线性权函数感知器的一种线性快速学习算法

10

作者 周永权 赵斌 《计算机应用与软件》 CSCD 北大核心 2004年第1期72-74,共3页

高阶感知器是神经元状态变量的非线性化 ,它是一阶感知器的非线性推广 ,除了神经元状态变量的非线性化推广外 ,还对权向量函数的非线性推广而得到的感知器 ,文中定义为具有非线性权向量函数的感知器 ,由于感知器的权重及作用函数都是非... 高阶感知器是神经元状态变量的非线性化 ,它是一阶感知器的非线性推广 ,除了神经元状态变量的非线性化推广外 ,还对权向量函数的非线性推广而得到的感知器 ,文中定义为具有非线性权向量函数的感知器 ,由于感知器的权重及作用函数都是非线性函数 ,当感知器接近最优点时 ,其连接权调节幅度很小 ,采用对非线性权函数及非线性作用函数分别进行Taylor展开 ,并取其一阶式近似逼近原函数 ,从而使其非线性权函数及非线性作用函数都转化为线性函数 ,简化了感知器学习过程的计算量 ,加快了感知器的学习过程。最后 。 展开更多

关键词 非线性权函数感知器 线性快速学习算法 数学模型 单细胞神经网络

在线阅读 下载PDF 职称材料

一种模糊神经网络的快速参数学习算法 被引量：21

11

作者 陈非 敬忠良 姚晓东 《控制理论与应用》 EI CAS CSCD 北大核心 2002年第4期583-587,共5页

提出了一种新的模糊神经网络的快速参数学习算法 ,采用一些特殊的处理 ,可以用递推最小二乘法 (RLS)来调整所有的参数 .以前的学习算法在调整模糊隶属度函数的中心和宽度的时候 ,用的是梯度下降法 ,具有容易陷入局部最小值点、收敛速度... 提出了一种新的模糊神经网络的快速参数学习算法 ,采用一些特殊的处理 ,可以用递推最小二乘法 (RLS)来调整所有的参数 .以前的学习算法在调整模糊隶属度函数的中心和宽度的时候 ,用的是梯度下降法 ,具有容易陷入局部最小值点、收敛速度慢等缺点 ,而本算法则可以克服这些缺点 ,最后通过仿真验证了算法的有效性 . 展开更多

关键词 模糊神经网络 快速参数学习算法 T-S模糊推理系统 多层前向神经网络 改进RLS算法

在线阅读 下载PDF 职称材料

基于改进共轭梯度法的前馈网络快速监督学习算法 被引量：7

12

作者 杨斌 聂在平 +1 位作者 夏耀先 蒋荣生 《电子学报》 EI CAS CSCD 北大核心 2002年第12期1845-1847,共3页

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... 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. 展开更多

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

在线阅读 下载PDF 职称材料

基于极大极小准则的异联想记忆网络学习算法 被引量：2

13

作者 梁学斌 吴立德 《电子学报》 EI CAS CSCD 北大核心 1996年第8期28-32,共5页

提出了设计异联想记忆网络的极大极小准则，即设计出的连接权阵应使得网络最小的记忆模式对的吸引域达到最大．首先给出了一种快速学习算法，它设计出的网络连接权值只取１，０或－１；再进一步发展了一个启发性迭代学习算法，称为约束... 提出了设计异联想记忆网络的极大极小准则，即设计出的连接权阵应使得网络最小的记忆模式对的吸引域达到最大．首先给出了一种快速学习算法，它设计出的网络连接权值只取１，０或－１；再进一步发展了一个启发性迭代学习算法，称为约束感知器优化学习算法，它以快速学习算法的结果作为连接权阵的迭代初值．计算机实验结果表明了所提学习算法的优越性． 展开更多

关键词 异联想记忆模型 极大极小准则 快速学习算法

在线阅读 下载PDF 职称材料

基于PSO的薄膜厚度改进RBF解耦控制模型 被引量：4

14

作者 廖雪超 陈振寰 邓万雄 《计算机工程与设计》 北大核心 2021年第4期1079-1088,共10页

BOPP薄膜厚度控制系统是一个复杂的多变量耦合系统,通过对其工艺过程分析可得到三通道厚度控制系统传递函数模型,利用相对增益矩阵对其进行耦合性分析。由于现有的解耦算法无法完全消除系统间的耦合影响,使用径向基函数模型(RBF)对系统... BOPP薄膜厚度控制系统是一个复杂的多变量耦合系统,通过对其工艺过程分析可得到三通道厚度控制系统传递函数模型,利用相对增益矩阵对其进行耦合性分析。由于现有的解耦算法无法完全消除系统间的耦合影响,使用径向基函数模型(RBF)对系统进行解耦设计。针对其存在训练过程长的问题,使用快速自学习算法、附加微分项与粒子群优化算法(PSO)对RBF模型进行优化,提升系统的抗干扰能力与响应速度。实验结果表明,提出的ASRBFD方法抗干扰能力强、RBF模型训练效率高,系统解耦性能优良。 展开更多

关键词 解耦控制 RBF神经网络 快速自学习算法 附加微分项 粒子群优化算法

在线阅读 下载PDF 职称材料