期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
权值初始化与激励函数调整相结合的学习算法 被引量:6
1
作者 武妍 王守觉 《计算机工程与应用》 CSCD 北大核心 2004年第30期23-25,44,共4页
提出了一种基于独立元分析(ICA)方法的权值初始化方法和动态调整S型激励函数的斜率相结合的神经网络学习算法。该方法利用ICA从输入数据中提取显著的特征信息来初始化输入层到隐含层权值。而且通过使神经网络的输出位于激励函数的活动区... 提出了一种基于独立元分析(ICA)方法的权值初始化方法和动态调整S型激励函数的斜率相结合的神经网络学习算法。该方法利用ICA从输入数据中提取显著的特征信息来初始化输入层到隐含层权值。而且通过使神经网络的输出位于激励函数的活动区域,对隐含层到输出层的权值进行初始化。在学习过程中,再对每个隐单元和输出单元的激励函数的斜率进行自动调整。最后通过计算机仿真实际的基准问题,验证了论文提出的方法的有效性。实验结果表明,所提出的方法能有效地加快多层前向神经网络的训练过程。 展开更多
关键词 前向神经网络 权值初始化 独立元分析 激励函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部