摘要
本文针对前馈神经网络误差反向传播算法（ＢＰ）算法应用于控制系统收敛速度慢，神经元非线性处理函数选择难等问题，提出了自动寻找最优Ｓｉｇｍｏｉｄａｌ函数方法。与ＢＰ算法相比较，该方法不仅收敛速度快，而且学习次数和隐节点数减少。仿真计算结果表明，该方法应用于控制系统鲁棒性能好，提高了网络学习能力，改善了学习性能，在神经网络控制中有一定推广价值。
To solve the two disadvantages of usual BP algorithm of ANN, slow convergence speedand difficulty to select nonlinear processing function, we proposed a method for autotuning sigmoidalfunction used in control system. Compared with BP, the.convergence speed and learning ability are improved, the number 'of hiding nodes is decreased.The simulation result proved the effective of thealgorithm.
出处
《系统仿真学报》
CAS
CSCD
1996年第4期26-30,共5页
Journal of System Simulation
关键词
神经网络
Sigmoidal函数
非线性函数
Artificial neural network
Autotuning sigmoidal function
Nonlinearfunction.
