基于前向神经网络临时极小点的BP算法研究

摘要：

本文针对BP算法训练过程中出现临时极小点的情况,对一个隐含层的前向神经网络,分析了隐含层不同神经元之间权值数值相近但符号相反时会产生临时极小点的问题,提出了增大学习速率可以使训练过程尽快逃离临时极小点的方法.对基于Lyapunov稳定性理论的BP算法进行了改进,通过加入动量项使得改进算法的学习速率更大.仿真结果说明了改进算法可以更快地脱离临时极小点.

关键词： 人工智能 BP算法 临时极小点 Lyapunov函数

作者: 王强 达飞鹏 宋文忠

作者单位: 东南大学,自动化研究所,南京,210096

会议类型: 国内会议

会议名称: 2006中国控制与决策学术年会

会议地点: 天津

会议语种:中文

页码: 553-556

在线出版日期: 2006-07-01（万方平台首次上网日期，不代表论文的发表时间）