一种基于共轭梯度的LMBP改进学习算法

摘要

对神经网络中的LMBP(Levenberg-Marquardt BP)算法的收敛速度慢进行分析,针对矩阵JTJ+霫求逆过程运算量过大而造成收敛速度慢的缺陷,根据无约束优化理论,提出一种基于共轭梯度方法的改进LMBP网络学习算法,利用求解大规模线性方程组的共轭梯度方法,避免了烦琐的求逆过程,降低了计算复杂度,加快了网络的收敛速度,通过Matlab仿真,比较了算法的收敛速度,证明了方法的有效性.