论文部分内容阅读
提出一种改进的前向多层网络逐层学习算法.隐层神经元的输出函数由具体系统的样本输出值确定.先让前面的隐层及输入层的权值确定不变,然后对当前层的权值进行调节,对前一隐层输出值的误差进行估计以得到新的输出值,将其作为临时教师信号用来训练前一层的权值.把每一层权值的改变量和输出值误差的估计转变为最小二乘问题,逐层处理,直到输入层.数字仿真和具体应用的结果表明了算法的有效性.