文献类型：期刊文章

作　　者：武妍[1] 王守觉[2]

机构地区：[1]同济大学计算机科学与工程系,上海200092 [2]同济大学半导体与信息技术研究所

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金项目(编号:60135010)

年　　份：2004

卷　　号：40

期　　号：30

起止页码：23-25

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：提出了一种基于独立元分析(ICA)方法的权值初始化方法和动态调整S型激励函数的斜率相结合的神经网络学习算法。该方法利用ICA从输入数据中提取显著的特征信息来初始化输入层到隐含层权值。而且通过使神经网络的输出位于激励函数的活动区域,对隐含层到输出层的权值进行初始化。在学习过程中,再对每个隐单元和输出单元的激励函数的斜率进行自动调整。最后通过计算机仿真实际的基准问题,验证了论文提出的方法的有效性。实验结果表明,所提出的方法能有效地加快多层前向神经网络的训练过程。

关 键 词：前向神经网络 权值初始化  独立元分析 激励函数

分 类 号：TP183]