Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/2531
標題: 反向式類神經網路最佳學習法則
Optimal Learning Algorithm for Multilayer Feedforward Neural twork
作者: 陳志成
Chen, Chih-Cheng
關鍵字: Neural Network;類神經網路;Learning Rule;System Identification;學習法則;系統辨認
出版社: 機械工程研究所
摘要: 
本論文主要是在探討一種新的類神經網路加權值調整法則。較快的收斂速
度及較簡捷的運算為此方法之特色。本學習法則之主要精神乃是由期望輸
出經激發函數的反向運算先求得該節點的期望輸入,並以所有節點的期望
輸入與實際輸入之總平方誤差為網路之性能指標。於此將輸出層加權值及
前一層輸出向量視為兩個獨立變數。對任一組輸入先找出一組最佳之輸出
層加權值及其前一隱藏層之最佳輸出,使得性能指標為最小,然後以此隱
藏層之最佳輸出為該層之期望輸出,在利用求輸出層加權值的方法求出隱
藏層之加權值,如此可大大地加快加權值之收斂速度。而具動態遺忘因子
參數估測法則之導入更大大提昇本方法之性能。電腦模擬結果證明本論文
所提之學習方法能使類神經網路在極少的疊代次數內及可完成對複雜問題
之學習與高度非線性系統之辨認。
URI: http://hdl.handle.net/11455/2531
Appears in Collections:機械工程學系所

Show full item record
 

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.