学位论文 > 优秀研究生学位论文题录展示
两类神经网络的学习算法收敛性研究
作 者: 唐利霞
导 师: 喻昕
学 校: 广西大学
专 业: 计算机软件与理论
关键词: Ridge Polynomial神经网络 异步梯度算法 收敛性 动量项 模糊感知器
分类号: TP183
类 型: 硕士论文
年 份: 2013年
下 载: 0次
引 用: 0次
阅 读: 论文下载
内容摘要
前馈神经网络是目前应用最广泛的一种神经网络模型,模糊感知器和Ridge Polynomial神经网络就是这样的两类前馈神经网络。本文对这两类神经网络的学习算法进行研究,分析各自算法的收敛性问题。主要工作如下:文中将神经网络的异步梯度算法应用到Ridge Polynomial神经网络的训练中,对网络误差函数及学习方法进行分析,给出训练过程中误差函数的单调性定理。在证明单调性成立的基础上,进一步分析算法的收敛性并给出证明,最后的仿真实验验证了理论分析的正确性。传统的梯度算法存在收敛速度过慢且易陷入局部极小点的缺点,动量项是解决该问题的有效方法之一。文中将动量项加入到梯度算法中,用改进后的异步梯度算法来训练Ridge Polynomial神经网络,有效提高了网络的收敛速度。并且从理论上分析了改进后算法的单调性和收敛性,最后,仿真对比实验结果也说明带动量项异步梯度算法是高效的。文中提出了一种训练最大-乘积型的模糊感知器的学习算法,给出了训练样本模糊可分的充要条件,并在训练样本模糊可分的条件下分析了算法的有限收敛性,仿真实验也有效的验证了理论结果。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第一章 绪论 9-17 1.1 人工神经网络介绍 9-11 1.1.1 人工神经网络的定义 9 1.1.2 人工神经网络的发展历史 9-10 1.1.3 人工神经网络的研究现状 10-11 1.1.4 人工神经网络的发展趋势 11 1.2 人工神经网络基础 11-14 1.2.1 人工神经元 11-12 1.2.2 人工神经网络模型 12-14 1.2.3 人工神经网络的学习规则 14 1.3 本文的研究方向及意义 14-15 1.4 本文的主要工作 15-17 第二章 RIDGE POLYNOMIAL神经网络的异步梯度算法的收敛性 17-32 2.1 背景介绍 17-18 2.2 Ridge Polynomial神经网络及其异步梯度算法 18-22 2.2.1 Pi-Sigma神经网络 18-19 2.2.2 Ridge Polynomial神经网络 19-20 2.2.3 Ridge Polynomial神经网络的异步梯度学习算法 20-22 2.2.4 单调性与收敛性说明 22 2.3 Ridge Polynomial神经网络的异步梯度算法的单调性及收敛性 22-26 2.3.1 相关的引理及证明 22-25 2.3.2 主要的收敛性定理及证明 25-26 2.4 仿真实验 26-31 2.4.1 函数逼近问题 27-29 2.4.2 分类问题 29-31 2.5 本章小结 31-32 第三章 RIDGE POLYNOMIAL神经网络带动量项的异步梯度算法的收敛性 32-43 3.1 背景介绍 32-33 3.2 Ridge Polynomial神经网络带动量项的异步梯度学习算法 33 3.3 Ridge Polynomial神经网络带动量项的异步梯度算法的单调性与收敛性 33-40 3.3.1 相关的引理及证明 33-37 3.3.2 主要的收敛性定理及证明 37-40 3.4 仿真实验 40-42 3.5 本章小结 42-43 第四章 最大-乘积型模糊感知器的学习算法及其收敛性 43-53 4.1 背景介绍 43-44 4.2 最大-乘积型模糊感知器 44-45 4.3 最大-乘积型模糊感知器的学习算法 45-46 4.4 学习算法的收敛性分析 46-50 4.4.1 主要的引理及证明 46-48 4.4.2 收敛定理及证明 48-50 4.5 仿真实验 50-52 4.6 本章总结 52-53 第五章 总结与展望 53-55 5.1 主要工作总结 53 5.2 下一步工作 53-55 参考文献 55-60 致谢 60-61 攻读硕士学位期间发表的学术论文 61
|
相似论文
- 自变量分段连续型随机微分方程数值解的收敛性及稳定性,O211.63
- 弱条件下超Halley法与Newton法的半局部收敛性,O241.7
- 非光滑优化信赖域算法的改进研究,O224
- 分段连续型延迟微分方程的数值稳定性,O175
- 一类非线性系统无模型控制器的设计与分析,TP273
- 基于工业视角的我国区域技术创新效率的差异性研究,F224
- 基于人工鱼群算法的Lanchester方程微分对策问题的研究,O225
- 中国农村金融发展的区域差异及其收敛性研究,F224
- 我国区域技术进步及其影响因素研究,F124.3
- NA随机变量列的完全收敛性,O211.4
- 两两NQD序列和ρ~-序列的收敛性质,O211.4
- 不确定变量序列的收敛性,O231
- 模糊Choquet积分的性质与推广,O172.2
- 在GPCM下的序贯设计对能力估计的渐近正态性研究,O211.3
- 无约束优化问题的记忆梯度法的若干研究,O224
- 基于新预条件子作用下向后迭代法的收敛性分析,O241.6
- 低压电力线OFDM通信系统的信道估计技术研究,TM73
- 两步多重分裂方法的收敛性,O241.6
- 新预条件下矩阵的收敛性分析及其比较,O241.6
- 关于H-矩阵的GSAOR多重分裂方法的收敛性,O241.6
- PSO收敛性分析及其在电厂循环水系统中的应用,TM621
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|