论文部分内容阅读
针对递归神经网络BP学习算法收敛慢的缺陷，通过引入递推预报误差（RPE）学习算法，提出一种新的递归神经网络快速学习算法。该算法的基本原理是沿着指标函数的GaussNewton搜索方向修正权值，同时不必计算二阶偏导数和进行矩阵求逆运算。仿真结果表明，该算法比传统的递归BP学习算法具有更快的收敛速度，用于非线性动态系统建模是有效的。