论文部分内容阅读
基于随机射线法，该文提出了一种针对动态网络大新的多层前传神经网络的训练算法。在工业对象动态模型未知的情况下，该算法能快速准确地把握变量的作用方向，收敛到全局最优解，使网络达到了实用水平。文中以抽提塔为例进行了仿真结果表明了其优良的特性。
多层前传神经网络的随机训练算法
【摘 要】
：
基于随机射线法，该文提出了一种针对动态网络大新的多层前传神经网络的训练算法。在工业对象动态模型未知的情况下，该算法能快速准确地把握变量的作用方向，收敛到全局最优解，使网
【机 构】
：
学院(上海)
【出 处】
：
全国第四届自动化应用技术交流会
【发表日期】
：
1998年期
其他文献
前馈型神经网络的学习问题，在样本集、神经网络模型确定后，可以看作是一个多参数的函数优化问题。现有的算法收敛性分析理论在应用中存在较大的缺陷。该文认为，可以借鉴组合优化
该文讨论了多输出前向网结构分解的理论和方法，即多输出前向网是否可分解为多个单输出前向子网，及怎样作结构分解的问题。作者们发现，多输出前向网确实存在这样的分解，且结构分解