多层前传神经网的广义误差反传训练与模式分类

详细信息   全文下载|推荐本文 |

• 出版年：1999
• 作者：陈亚秋；陈德钊；胡上序
• 单位1：浙江大学化工系
• 语种：中文
• 作者关键词：模式分类；人工神经元；广义误差反传；复杂化学信息
• 起始页：58
• 总页数：7
• 刊名：计算机应用与软件
• 是否内版：否
• 刊频：双月刊
• 创刊时间：1999
• 主编：朱三元
• 邮编：200040
• 卷：16
• 期：3

摘要

本文以天然留兰香的组分构成与其品质的关系为例，讨论人工神经元方法用于复杂信息模式分类的问题。提出一种广义的误差反传训练策略，将网络的训练范围从联接权扩大到神经元模型。这种新的训练方法（GBP)能提高多层前传网络的学习效率，加快收敛的速率。实际运行的结果表明，所需训练时间仅为普通误差反传（BP)训练方法的1/15，并能达到较高的预报精度。