基于集员估计理论的神经网络学习算法

针对前馈神经网络BP算法在处理非线性对象时,收敛速度慢,易陷入局部极值,需调节参数多等缺陷,提出了将最优定界椭球(OBE)算法引入到神经网络的学习中,该算法比BP算法在收敛速度,精度方面都有显著提高,仿真结果证明了此算法的有效性。

集员估计理论在神经网络中的应用

本文研究了未知但有界误差下神经网络的学习算法问题,在分析传统学习算法的基础上,提出了一种最优定界椭球学习方法,该方法具有收敛速度快,精度高等优点.通过对NARMA模型参数估计的仿真结果表明此算法的有效性.