首页> 中文期刊> 《电子学报》 >关于外监督学习前馈网络全局优化的理论

关于外监督学习前馈网络全局优化的理论

         

摘要

本文研究了批方式和序贯方式训练的外监督前馈网络的全局最小条件.对于序贯训练方式,我们证明在其对应误差表面上总是存在N(训练样本个数)个局部最小点;对于批处理训练方式,我们证明网络获得零代价全局最小解的充要条件是,外监督信号矩阵构成的列空间必须位于模式样本在隐层张开的矩阵的列空间内;而网络获得零代价全局最小解的充分条件是,隐节点数M大于或等于非吻合的样本数N.并且证明,在满足上面充要(分)条件下,所定义的误差代价函数对应的误差表面上不存在除零代价以外的任何局部最小值.进一步推知,若C≤M<N(C为输出节点数),则网络有可能获得零代价的全局最小解;若M<C≤N,则无论如何训练网络,网络也将不会收敛到零代价的全局最小解.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号