一种基于数值积分的过程神经元网络训练算法

被引：15

作者：

许少华 ^{[1
,2
]}

王颖 ^{[1
]}

王皓 ^{[1
]}

何新贵 ^{[2
]}

机构：

[1] 大庆石油学院计算机与信息技术学院

[2] 北京大学信息科学技术学院

来源：

计算机科学 | 2010年 / 37卷 / 11期

关键词：

过程神经元网络; 学习算法; 数值积分; 时域聚合运算;

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：

140502 [人工智能];

摘要：

针对过程神经元网络的训练问题,提出了一种基于数值积分的学习算法。直接采用数值积分进行网络中动态样本与连接权函数的时域加权聚合运算,采用梯度下降法实现连接权函数特征参数及网络性质参数的调整。设计了基于梯形积分、辛普森积分、柯特斯积分等3种过程神经元网络数值积分训练方法,以太阳黑子数据预测为例进行仿真实验,结果表明,基于数值积分的过程神经元网络训练算法是有效的,其中辛普森积分算法的性能最优。

引用

页码：203 / 205

页数：3

共 7 条

[1]

A modified back-propagation method to avoid false local minima [J].