神经元网络的反向传播算法的学习方法

摘要

本发明提供了一种神经元网络的反向传播算法的学习方法，包括如下步骤：提供一神经元网络，所述神经元网络包括输入层、隐藏层、和输出层，其中隐藏层为多层结构，包括第一隐藏层和第二隐藏层；为第一和第二隐藏层分别配置第一期待值和第二期待值；根据第一期待值对第一隐藏层执行训练，使第一隐藏层优化；保持第一隐藏层的优化结果，根据第二期待值对第二隐藏层执行训练，使第二隐藏层优化。本发明可以针对隐藏层中的每层进行单独的训练，保持上一隐藏层的优化结果的前提下，再对下面的隐藏层执行训练，逐层优化。这种优化方法可以不必在学习某一层的情况下，反复对其他层进行运算，因此可以节约总体的学习时间。