多层前传神经网的广义误差反传训练与模式分类

摘要

本文以天然留兰香的组分构成与其品质的关系为例，讨论人工神经元方法用于复杂信息模式分类的问题，提出一种广义的误差反传训练策略，将网络的训练范围从联接权扩大到神经元模型，这种新的训练方法（ＧＢＰ）能提高多层前传网络的学习效率，加快收敛的速率。实际运行的结果表明，所需训练时间仅为普通误差反传（ＢＰ）训练方法的１／１５，并能达到较高的预报精度。