《BP神經網路線上學習算法的確定型收斂性》是依託大連理工大學,由吳微擔任醒目負責人的面上項目。
基本介紹
- 中文名：BP神經網路線上學習算法的確定型收斂性
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：吳微
- 批准號：10471017
- 申請代碼：A0504
- 負責人職稱：教授
- 研究期限：2005-01-01 至 2007-12-31
- 支持經費：16（萬元）
項目摘要
本項目考慮人工神經網路權值學習中廣泛使用的線上梯度法的收斂性,這是神經網路研究對計算數學提出的一個新課題．在上一個自然科學基金項目中，我們研究了不帶隱層的前饋網路，給出了一系列確定型收斂性結果。本項目希望將這一結果推廣到更複雜、更實用的帶隱層前饋網路，即BP網路。我們的確定型收斂性結果多少有些出人意外，因為線上梯度法是一種隨機型學習方法，常見的收斂性結果理所當然地是機率型的。我們的結果，即線上梯度法在一些特殊條件下確定地收斂，是對上述一般結果的有益補充，有助於更全面更深刻地理解與套用線上梯度學習算法。另外，為加快收斂速度和增加穩定性，人們常常對線上梯度法學習算法引入慣性項。我們希望研究這種慣性項對收斂性的影響。我們還打算研究神經網路的逼近能力。在套用方面，我們將考慮股市預測和數學公式識別等問題.
