论文部分内容阅读
提出了一种非线性学习规则，以非线性函数ｔｈ（ｘ）取代传统学习算法中的线函数ｘ，来调整ＢＰ网络的连接权值和阈值。与传统的ＢＰ学习算法相比，其连接权值与阈值的调整量不仅与误差函数对连接权与阈值梯度的一次幂有关，而且也与梯度的高次害虫幂有关。因此，克服了传统的ＢＰ学习算法过程中难以跳出局部极小值与收敛速度慢的缺点，模拟实验表明，该算法比传统的ＢＰ网络学习算法在学习时间和迭代次数方面都具有显著优势。