中各种神经网络的使用示例
通用 神经网络
通用径向基函数网络
广义回归神经网络
通用感应器神经网络
%通用 BP 神经网络
!"#!!$%&!'!&#(!
输入参数依次为)!样本 范围!各层神经元数目 各层传递函数'!训练函数!
训练函数 &#(梯度下降法,有 * 个训练参数
训练函数 &#(有动量的梯度下降法附加 个训练参数 +动量因子,缺省为 ,
训练函数 &#(有自适应 & 的梯度下降法附加 个训练参数)&-+学习率增长比,缺
省为
...........&-(+学习率下降比,缺省为 *-$&-+表现函数增加最大比,缺省为
/
训练函数 &#(有动量的梯度下降法中赋以自适应 & 的方法,附加 &#( 和 &#(
的 / 个附加参数
训练函数 &&$弹性梯度下降法可以消除输入数值很大或很小时的误差,附加 / 个训练
参数)
........(-+权值变化增加量,缺省为 (-(+权值变化减小量,缺省为
........(初始权值变化,缺省为 *(权值变化最大值缺省为
........适合大型网络
训练函数 &+#0+1&23" 共轭梯度法训练函数 &+#$452& 共轭梯度
法
训练函数 &+#4 共轭梯度法
共轭梯度法占用存储空间小 附加 训练参数 "&+10+ 一维线性搜索方法 缺省为
"&+1+1缺少 个训练参数 &
训练函数 &"+#量化共轭梯度法与其他共轭梯度法相比,节约时间适合大型网络rrrr.......
........附加 个训练参数)"#因为二次求导对权值调整的影响参数,缺省为
..................(6"" 阵不确定性调节参数,缺省为 *
........缺少 个训练参数)&
训练函数 N 拟牛顿回退法收敛速度快但需要更多内存与共轭梯度法训练参
数相同适合小网络
训练函数 &4""一步正割的 训练法解决了 078 消耗内存的问题与共轭梯度法训
练参数相同