前向多层感知器网络的逐层学习算法

被引：1

作者：

易中凯

吴沧浦

机构：

[1] 北京理工大学自动控制系!北京

来源：

北京理工大学学报 | 2001年 / 04期

基金：

高等学校博士学科点专项科研基金;

关键词：

前向多层网络; 逐层学习算法; 误差估计; 临时教师信号;

D O I：

10.15918/j.tbit1001-0645.2001.04.013

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种改进的前向多层网络逐层学习算法 .隐层神经元的输出函数由具体系统的样本输出值确定 .先让前面的隐层及输入层的权值确定不变 ,然后对当前层的权值进行调节 ,对前一隐层输出值的误差进行估计以得到新的输出值 ,将其作为临时教师信号用来训练前一层的权值 .把每一层权值的改变量和输出值误差的估计转变为最小二乘问题 ,逐层处理 ,直到输入层 .数字仿真和具体应用的结果表明了算法的有效性 .

引用

页码：464 / 468

页数：5

共 3 条

[1]

An accelerated learning algorithm for multilayer perceptrons:Optimization layer by layer. Ergezinger S,Thomsen E. IEEE Transactions on Neural Networks . 1995

[2]

The layer -wise method and the backpropagation hybrid approach to learning a feedforwars neural networks. Rubanov N S. IEEE Transactions on Neural Networks . 2000

[3]

A new supervised learning algorithm for multilayerd and interconnected neural networks. Yamamoto Y,Nikiforuk P N. IEEE Transactions on Neural Networks . 2000

← 1 →