首页|一种基于动态权重的神经网络训练算法

一种基于动态权重的神经网络训练算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
提出一种基于动态粒子群算法的神经网络训练方法.神经网络权值选择是否合适直接关系到其非线性拟合能力,通过引入动态粒子群算法对神经网络进行训练,对神经网络各层连接权值进行优化.经过函数测试表明,相比粒子群算法,动态粒子群算法收敛速度更快且不易陷入局部,能更快更合理地训练神经网络从而优化网络连接权值.
A Neural Network Training Algorithm based on Dynamic Weight

沈俊

展开 >

华中光电技术研究所武汉光电国家实验室,湖北武汉430223

神经网络 粒子群算法 连接权值 动态权重

2014

计算机安全
信息产业部基础产品发展研究中心

计算机安全

影响因子：0.336
ISSN：1671-0428
年,卷(期)：2014.(4)
  • 2