多层前传神经网的广义误差反传训练与模式分类

被引：9

作者：

陈亚秋

陈德钊

胡上序

吕蓁

王丽君

机构：

[1] 浙江大学化工系

来源：

模式识别与人工智能 | 1996年 / 9卷 / 02期

关键词：

模式分类; 人工神经元网络; 广义误差反传; 复杂化学信息;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

本文以天然留兰香的组分构成与其品质的关系为例,讨论人工神经元网络方法用于复杂信息模式分类的问题.提出一种广义的误差反传训练策略,将网络的训练范围从联接权扩大到神经元模型.这种新的训练方法(GBP)能提高多层前传网络的学习效率,加快收敛的速率.实际运行的结果表明,所需训练时间仅为普通误差反传(BP)训练方法的1/15.并能达到较高的预报精度.

引用

页码：161 / 165

页数：5