前向神经网络的一种快速分层线性优化算法

摘要

本文利用数学分析的方法,提出了一种前向神经网络快速分层线性优化算法,其特点是:用新方法构造了各层的目标函数;无须计算Hessian矩阵,加快了算法的收敛速度.仿真实验表明,与传统算法如误差反传法或BP法和含势态因子(Momentum factor)的BP法以及现有的分层优化算法相比,新算法能加快收敛速度,并降低学习误差.