多层前向神经网络权值初始化的研究进展

被引:6
作者
谢富强
唐耀庚
机构
[1] 南华大学计算机科学与技术学院
关键词
多层前向神经网络; 权值初始化; 泛化能力;
D O I
10.19431/j.cnki.1673-0062.2006.03.025
中图分类号
TP183 [人工神经网络与计算];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
理想的初始值可以使多层前向网络模型有较快的收敛速度,同时避免陷入局部最小.对现有多种前向网络的权值初始化方法进行了综述,最后提出了若干待研究的问题.
引用
收藏
页码:98 / 101
页数:4
相关论文
共 6 条
[1]   权值初始化与激励函数调整相结合的学习算法 [J].
武妍 ;
王守觉 .
计算机工程与应用, 2004, (30) :23-25+44
[2]   均匀设计的神经网络 [J].
方千山 ;
王永初 .
仪器仪表学报, 2003, (05) :509-511
[3]   误差反向传播神经网络模型的改进及其应用 [J].
李宗坤 ;
郑晶星 ;
周晶 .
水利学报, 2003, (07) :111-114
[4]   一种综合改进的BP神经网络及其实现 [J].
刘刚 .
武汉理工大学学报, 2002, (10) :57-60
[5]   基于一种免疫遗传算法的BP网络设计 [J].
周伟良 ;
何鲲 ;
曹先彬 ;
程慧霞 .
安徽大学学报(自然科学版), 1999, (01) :65-68
[6]   BP学习网络中权值的感受野型初始化研究——Ⅰ.对收敛速度的影响 [J].
汪云九 ;
崔翯 ;
齐翔林 .
自然科学进展, 1996, (03) :92-96