前馈网络的混沌梯度搜索耦合学习算法及应用

摘要：

针对BP神经网络易陷入局部极小的问题,提出了混沌梯度优化的神经网络的学习算法,其原理是:采用梯度下降进行"粗搜索",混沌搜索进行"细搜索",并建立规则将两者结合起来,以构成BP神经网络的基于规则的混沌梯度耦合学习算法.它有效地利用了梯度下降算法的快速性和混沌寻优的全局性,将该算法应用于某智能决策支持系统模型库中的模型学习,有效地提高了前馈神经网络的学习效率.

关键词：混沌优化、神经网络、梯度搜索、PS转炉

所属期刊栏目：33

分类号：TP183;TP181(自动化基础理论)

资助基金：国家高技术研究发展计划（863计划）2001AA414240

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：629-631