主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
王士同.基于em算法且能以概率1全局收敛的混合学习算法.软件学报,1998,9(6):448-452
基于em算法且能以概率1全局收敛的混合学习算法
The Hybrid Learning Algorithm Which is Based on em Algorithm and can Globally Converge with Probability 1
投稿时间:1997-05-04  修订日期:1997-06-16
DOI:
中文关键词:  随机神经网络,em学习算法,随机优化算法.
英文关键词:Random neural networks, em learning algorithm, random optimization algorithm.
基金项目:本文研究得到国家自然科学基金和江苏省跨世纪学术带头人基金资助.
作者单位
王士同 华东船舶工业学院计算机系,镇江,212003 
摘要点击次数: 3613
全文下载次数: 2761
中文摘要:
      文章指出了随机神经网络em学习算法仍然存在着收敛于局部极小值之缺陷.针对三层随机感知机,文章将em学习算法与Solis和Wets的随机优化算法结合起来,提出了三层随机感知机的混合型新学习算法HRem.文章从理论的角度证明了混合型新学习算法HRem能以概率1全局收敛于随机感知机的基于Kullback-Leibler差异度量的最小值.这一理论结果对em学习算法的深入研究有重要意义.
英文摘要:
      In this paper, the drawback is pointed out that the learning algorithm em of random neural network sometimes converges to local minimum. A new hybrid learning algorithm HRem, which combines algorithm em and the random optimization algorithm presented by Dr. Solis and Wets, is presented for 3-layer random perception. It is theoretically proved that algorithm HRem can globally converge to the minimum of Kullback-Leibler difference measure. This theoretical result has important significances for further research on algorithm em.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利