一种带非线性扩展的前向神经网络模型及其学习算法

摘要

通过提出一种带非线性扩展的前向神经网络模型,分析了GGBP算法的收敛性,总结出此种算法的动态学习率.仿真结果表明:此神经网络模型更适合于处理多输入、多输出的问题,在这方面其收敛速度、逼近非线性函数的能力比函数型连接网络和前向网络都优越.采用动态学习率不仅可以保证网络的收敛性,而且可以使误差下降接近最快.