前向多层感知器网络的逐层学习算法

提出一种改进的前向多层网络逐层学习算法 .隐层神经元的输出函数由具体系统的样本输出值确定 .先让前面的隐层及输入层的权值确定不变 ,然后对当前层的权值进行调节 ,对前一隐层输出值的误差进行估计以得到新的输出值 ,将其作为临时教师信号用来训练前一层的权值 .把每一层权值的改变量和输出值误差的估计转变为最小二乘问题 ,逐层处理 ,直到输入层 .数字仿真和具体应用的结果表明了算法的有效性 .