一种通过反馈提高神经网络学习性能的新算法

摘要：

为了有效提高前向神经网络的学习性能,需要从一个新的角度考虑神经网络的学习训练.基于此,提出了一种基于结果反馈的新算法--FBBP算法.将神经网络输入调整与通常的权值调整的反向传播算法结合起来,通过调整权值和输入矢量值的双重作用来最小化神经网络的误差函数.并通过几个函数逼近和模式分类问题的实例仿真,将FBBP算法与加动量项BP算法、最新的一种加快收敛的权值更新的算法进行了比较,来验证所提出的算法的有效性.实验结果表明,所提出的算法具有训练速度快和泛化能力高的双重优点,是一种非常有效的学习方法.

关键词：神经网络、学习算法、泛化、结果反馈

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金60135010

在线出版日期：2004-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1488-1492