• 主题
高级搜索  >
历史搜索 清空历史
首页> 中国专利> 一种基于改进Levenberg-Marquardt的径向基神经网络优化方法

一种基于改进Levenberg-Marquardt的径向基神经网络优化方法

页面导航
  • 摘要
  • 著录项
  • 相似文献

摘要

一种基于改进Levenberg‑Marquardt的径向基神经网络优化方法，属于参数优化技术领域。主要包括三个部分，即“典型样本选取”，“改进Levenberg‑Marquardt的参数优化”和“多步更新规则”。“典型样本选取”步骤：典型样本可以用来近似样本整体，利用样本之间的最小距离来表示多样性构建典型样本集，可以在网络稳定性和快速响应之间取得较好平衡。“改进的LM参数优化”步骤：利用模型参数组合重新定义学习率，消除了奇异点，保证了模型的有效稳定。“多步更新规则”步骤：通过计算典型样本集中的Hessian矩阵和梯度，使用多步更新规则以减少单个样本引入的样本误差，加速了网络收敛。

著录项

  • 公开/公告号CN113962369A

    专利类型发明专利

  • 公开/公告日2022-01-21

    原文格式PDF

  • 申请/专利权人 北京工业大学;

    申请/专利号CN202111433963.7

  • 发明设计人 杨彦霞;王普;高学金;

    申请日2021-11-29

  • 分类号G06N3/04(20060101);G06N3/06(20060101);G06N3/08(20060101);

  • 代理机构11203 北京思海天达知识产权代理有限公司;

  • 代理人张立改

  • 地址 100124 北京市朝阳区平乐园100号

  • 入库时间 2023-06-19 13:58:51

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

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