神经网络中LMBP算法收敛速度改进的研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：文章时标准BP算法收敛慢的问题进行了分析．并针对其目前最快的改进版本Levenberg—Marquardt BP（LMBP）进行了深入研究，发现其中涉及的矩阵[J^T J＋μkI]求逆是其收敛速度的瓶颈。通过使用LU分解法去除耗时的矩阵求逆运算，极大地减少了LMBP的计算量。此外，简化求增广Marquardt Sensitivity矩阵的步骤．也在一定程度上减少了LMBP的计算量。笔者用Microsoft Visual C＋＋ 6编程实现了改进后的LMBP算法．发现对这两方面的改进．大大提高了收敛速度。文章对Matlab的基于最速下降的BP算法（Traingdx）、Matlab改进的LMBP算法（Trainlm）、LMBP和作者改进的LMBP（ILMBP）进行了大量的试验。结果发现，ILMBP的平均收敛速度比LMBP快约23倍．比Trainlm算法快约9倍。http://www.cqvip.com//QK/91690X/200616/22027936.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：神经网络 神经网 Sensitivity marquardt Microsoft BP算法 Levenberg-Marquardt算法 LU分解