快速递归Elman神经网络建模学习算法

摘要

本发明属于神经网络领域，具体为快速递归Elman神经网络建模学习算法，包括以下过程：步骤1模型选择、步骤2参数初始化、步骤3计算训练样本的误差函数Ek，若误差函数值小于误差阈值，则转步骤4；否则，计算误差函数关于权值Wk和Vk的梯度：步骤4、测试精度。本发明提供的快速递归Elman神经网络建模学习算法，在优化输入权值矩阵时将隐层到输出层的权值选取通过用广义逆的方法一步得出，无需迭代，使得在更新权值过程中，从原始的用梯度法计算两层的权值变为一层，使训练速度得到大大提升，同时避免了BP算法容易陷入局部极小值、泛化能力差等缺点。