| 一种新的全局优化前馈神经网络 |
| |
| 引用本文： | 高明,刘希玉,盛立.一种新的全局优化前馈神经网络[J].滨州学院学报,2004,20(4):37-41. |
| |
| 作者姓名： | 高明 刘希玉 盛立 |
| |
| 作者单位： | 山东师范大学,信息管理学院,山东,济南,250014 |
| |
| 摘 要： | 将 L-M算法与填充函数法相结合,提出一种训练前向网络的混合型全局优化新算法.L-M算法的收敛速度快,利用它先得到一个局部极小点,然后利用填充函数算法跳出局部最小,得到一个更低的局部极小点.重复计算即可得到全局最优点.经实验验证,该算法收敛速度很快,避免局部收敛,而且性能稳定.
|
| 关 键 词： | L-M算法 填充函数 全局优化 BP网络 |
| 文章编号： | 1008-2980(2004)04-0037-05 |
| 修稿时间： | 2004年10月18日 |
A New Global Optimization BP Neural Networks |
| |
| GAO Ming,LIU Xi-yu,SHENG Li.A New Global Optimization BP Neural Networks[J].Journal of Binzhou University,2004,20(4):37-41. |
| |
| Authors: | GAO Ming LIU Xi-yu SHENG Li |
| |
| Abstract: | This paper proposes a global optimization technique which combines the filled function method and Levenberg-Marquardt algorithm for training feed forward neural networks.With the L-M algorithm whose astringency is good ,we can find one of local minimal points quickly.Afterwards ,the filled function method will find the point that is lower than the minimal point previously found.By repeating these processes,a global minimal point can be obtained at last.Practical examples indicate that the method has a higher accuracy in astringency and works well to avoiding sticking in local minima. |
| |
| Keywords: | L-M algorithm filled function global optimization BP neural networks |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
