K-L变换在BP网络初始权值优化中的应用

K-L变换在BP网络初始权值优化中的应用

TP391; 提出了一种新的神经网络初始权值的优化方法.该方法首先对样本做K-L变换,将所得到的变换矩阵作为BP网络输入层到隐层的初始权值,然后开始BP算法对多层感知器的训练学习,以缩短样本学习时间.最后分别选取线性可分的样本和非线性可分的样本在MATLAB中进行了仿真.仿真结果证明,该权值优化方法是合理的....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:重庆工学院学报（自然科学版） 2007, Vol.21 (2), p.103-105
Hauptverfasser: 刘存根, 陈增辉, 周东辉
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TP391; 提出了一种新的神经网络初始权值的优化方法.该方法首先对样本做K-L变换,将所得到的变换矩阵作为BP网络输入层到隐层的初始权值,然后开始BP算法对多层感知器的训练学习,以缩短样本学习时间.最后分别选取线性可分的样本和非线性可分的样本在MATLAB中进行了仿真.仿真结果证明,该权值优化方法是合理的.
ISSN:1671-0924
DOI:10.3969/j.issn.1674-8425-B.2007.02.028