文献类型：期刊文献

中文题名：BFGS修正算法在前馈神经元网络学习中的应用

英文题名：The Application of BFGS Revised Algorithm in Learning Feed Forward Neural Networks

作者：杨慧中[1];张素贞[1]

机构：[1]华东理工大学自动化研究所,上海200237

年份：2001

卷号：27

期号：5

起止页码：459

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;国家哲学社会科学学术期刊数据库;Scopus;北大核心:【北大核心2000】；CSCD:【CSCD2011_2012】；

语种：中文

中文关键词：前馈神经元网络;拟牛顿公式;BFGS修正算法;Wolf-Powell不精确线性搜索准则;学习算法;非线性优化理论

外文关键词：feed forward neural networks; Quasi Newton formula; BFGS revised algorithm; Wolf Powell rule without exact linear search; learning algorithm;

摘要：介绍了拟牛顿公式中 BFGS修正算法和 Wolf- Powell不精确线性搜索准则所具有的全局收敛性质 。
BFGS revised algorithm for Quasi Newton formula and Wolf Powell rule without exact linear search is introduced. The requirements for holding global convergence property are proposed. The reason of local optimization for learning multi layer feed forward neural networks is discussed.