原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2005年中国模糊逻辑与计算智能联合学术会议论文集 181
基于变尺度法的前向神经网络混沌学习算法
徐耀群
(哈尔滨工业大学控制理论与导航技术中心，哈尔滨150001，Email：xuyq@hrbcu．edu．cn)
摘要：混泡神经网络是近来发展起来的一门新的科学，由于具有混沌特性的人工神经网络具有十分复杂的动力学特
性，获得了广泛的研究，针对BP学习算法的不足，将混沌映射与变尺度法相结合，给出多层前馈神经网络的一种混
沌学习算法。仿真结果表明，本文算法取得了良好的效果。
关键词：混沌映射；前向神经网络；变尺度法
Chaos of
Feed-ForwardNeuralNetworkBasedonDFP
Algorithm
XU
Yao．qunl
forControl andGuidance Instituteof
(Center Theory Technology,Harbin
xuyq@hrbcu．edu．cn)
Abstract：ChaoticneuralnetworkisanewmethodofAI．Becauseof
its neural
complicateddynamicscharacteristics，Chaotic
networkhas attractedbroadattention．Aimedatthe ofBP chaos for
recently multi—
shortagealgorithm，alearningalgorithm
feed—forwordneuralnetworkis thechaos andthevariablemetric simulation
layer givenbycombiningmapping algorithms．The
resultsvalidatethe ofthe
efficiency algorithm．
proposed
Neural
Keywords：Chaosmapping，Feed-ForwardNetwork，DFP
algorithms
的混沌算法。其中利用变尺度法来提高收敛速度，
利用混沌映射的遍历性可以跳出局部极小。
1 引 言
多层前向网络在神经网络的研究中占有十分重 2混沌学习算法
要的地位，也是目前应用最为广泛的神经网络模型
之一。多层前向网络一直受到普遍的重视，在模式 多层前向网络由于有隐层后使得学习比较困
识别和分类方面获得了很大成功【l，2’3】。目前用于 难，所以限制了多层网络的发展，反向传播(BP)
多层前向网络计算的算法很多，但仍以BP算法为 算法的出现解决了这一困难，促使多层网络的研究
主，因BP算法本质上是一种定步长的梯度下降法， 重新得到重视。BP算法由于实现简单而得到广泛的
因而收敛速度慢且极易陷入局部极小，为此很多人 应用。BP算法本质上是梯度下降法，即
提出了改进算法【40“】。 aF．
文档评论（0）