基于连续时间系统仿真的神经网络学习算法

作者：蔡远利; 林志民

来源：系统仿真学报, 2009, 21(20): 6387-6390.

DOI：10.16182/j.cnki.joss.2009.20.076

• 连续时间系统
• 前馈神经网络
• 自适应学习算法
• 误差动力学
• 数字仿真

从连续时间动力学的角度,研究了多层前馈神经网络的学习问题。基于李雅普诺夫稳定性分析方法,建立了一种神经网络权重参数连续调整的学习算法,并基于连续时间系统仿真的思想,给出了一种算法实现的自适应策略。算法实现中,通过估计截断误差估计自动调整步长,几乎不需要人工确定任何参数,而且可以保证算法的稳定性及计算精度。最后,给出了两个典型的应用算例。

• 单位
  西安交通大学