文献类型：期刊文献

中文题名：基于拟牛顿法的前向神经元网络学习算法

英文题名：Learning Algorithm for Neural Networks Based on Quasi-Newton Method

作者：杨秋贵[1];张杰[1];张素贞[1]

机构：[1]华东理工大学自控系,上海200237

年份：1997

卷号：12

期号：4

起止页码：357

中文期刊名：控制与决策

外文期刊名：Control and Decision

收录：CSTPCD;;Scopus;北大核心:【北大核心1996】；CSCD:【CSCD2011_2012】；

语种：中文

中文关键词：神经网络;拟牛顿法;反向传播算法

外文关键词：neural networks, quasi -Newton method, back -propagation algorithm

摘要：针对前向神经网络现有BP学习算法的不足,结合非线性最优化方法,提出一种基于拟牛顿法的神经元网络学习算法。该算法有效地改进了神经元网络的学习收敛速度,取得了比常规BP算法更好的收敛性能和学习速度。
Since the convergence speed of the BP learning algorithm is slow, the data stability appears to be very poor. A new algorithm based on quasi -Newton method is proposed. The new algorithm, compared to the BP algorithm, has the fast learning rate and good convergence properties.