| 鲁慧芳,吴微,李正学.带惩罚项与随机输入的BP神经网络在线梯度学习算法的收敛性[J].数学研究及应用,2007,27(3):643~653 |
| 带惩罚项与随机输入的BP神经网络在线梯度学习算法的收敛性 |
| Convergence of Online Gradient Method with a Penalty Term \\for BP Neural Network with Stochastic Inputs |
| 投稿时间：2005-09-28 修订日期：2006-02-28 |
| DOI：10.3770/j.issn:1000-341X.2007.03.027 |
| 中文关键词: BP 神经网络 在线梯度法 收敛性 惩罚项 随机输入. |
| 英文关键词:BP neural networks online gradient method convergence penalty term stochastic inputs. |
| 基金项目:国家自然科学基金(10471017). |
|
| 摘要点击次数: 3507 |
| 全文下载次数: 1971 |
| 中文摘要: |
| 本文对三层~BP神经网络中带有惩罚项的在线梯度学习算法的收敛性问题进行了研究.在网络训练每一轮开始执行之前, 对训练样本随机进行重排, 以使网络学习更容易跳出局部极小. 文中给出了误差函数的单调性定理以及该算法的弱收敛和强收敛性定理. |
| 英文摘要: |
| In this paper, we present and discuss an online gradient method with a penalty term for three-layer BP neural networks. The input training examples are reset stochastically before the performance of each batch so that the learning is easy to jump off from local minima. The monotonicity and the convergence of deterministic nature are proved. |
| 查看全文 查看/发表评论 下载PDF阅读器 |
