基于Levenberg-Marquardt算法和最小二乘方法的小波网络混合学习算法

被引：6

作者：

魏荣

卢俊国

王执铨

机构：

[1] 南京理工大学自动化系

来源：

信息与控制 | 2001年 / 05期

关键词：

小波网络; Levenberg-Marquardt算法; 反向传播算法;

D O I：

10.13976/j.cnki.xk.2001.05.011

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：

本文针对小波网络现有学习算法的不足 ,把 L evenberg- Marquardt算法 (简称 L M算法 )和最小二乘算法有机地结合在一起 ,提出了一种新的小波网络混合学习算法 .在该混合算法中 L M算法用来训练小波网络的非线性参数 ,而最小二乘算法用来训练线性参数 .最后以辩识一个混沌系统为例进行了数值仿真 ,并与改进的 BP算法和单纯 L M算法进行了比较 ,结果说明了所提算法具有很好的收敛性能和收敛速度

引用

页码：440 / 442

页数：3

共 4 条

[1]

Wavelet networks. Zhang Q,Benveniste A. IEEE Transactions on Neural Networks . 1992

[2]

First -and Second Order Methods for Learning: Between Steepest Descent and Newton’ s Method. Battiti R. Neural Computation . 1992

[3]

An Algorithm for Least Squares Estimation of Nonlinear Parameters. Marquardt D. Journal of the Society for Industrial and Applied Mathematics . 1963

[4]

Nonlinear Black-box Modeling in System Identification: a Unified Overview. Juditsky A,Hjalmarson H,Benveniste A,et al. Automatica . 1995

← 1 →