单隐层前向神经网络在线学习算法综述与性能分析

摘要：

　　单隐层前向神经网络学习算法作为一种性能优良的学习算法，分为批处理学习算法和在线学习算法，与批处理学习算法相比，前向神经网络的在线学习算法适应于实时问题的处理，更适合于一般的工业应用场合，本文总结了现阶段的各种单隐层前向神经网络在线学习算法，分析了各种算法的优缺点，利用混沌时间序列预测问题，详细比较了各种不同单隐层前向神经网络在线学习算法的性能，包括算法的稳定性、学习速度、逼近能力、泛化能力，为前向神经网络在线学习算法的实际应用提供了一定的理论指导。

关键词： 单隐层前向神经网络 在线学习算法 性能分析 混沌时间序列预测

作者: 李彬 荣学文

作者单位: 山东轻工业学院理学院,济南250353;山东大学控制科学与工程学院,济南250061 山东大学控制科学与工程学院,济南250061

会议类型: 国际会议

会议名称: the 25th Chinese Control and Decision Conference(第25届中国控制与决策会议)

会议地点: 贵阳

会议语种:英文

页码: 2170-2175

在线出版日期: 2013-05-01（万方平台首次上网日期，不代表论文的发表时间）