出版品
改善多層次人工神經網路學習速度之探討
魏健宏 成功大學交通管理科學研究所
洪玉城 成功大學電機工程研究所
洪玉城 成功大學電機工程研究所
近年來人工神經網路由於在辨識、分類、最佳化及推論等應用，均有不錯的效果，已引起人們廣泛的注意與研究。多層次人工神經網路之倒傳遞學習法則是一種監督式學習網路，在學習的過程中，需事先準備一群訓練樣本 (亦即欲學習的知識庫)，任意指定一組網路起始權值，以及若干參數，逐一輸入訓練樣本，計算輸出誤差量以調整網路權值，直到所有訓練樣本的網路輸出誤差，均小於某一容許值時，表學習完畢，可開始其應用。但在訓練過程中，傳統學習法則收斂速度極為緩慢，於是有許多不同的改善方式陸續提出，本文將這些方法作一整理及扼要說明。本研究之前提係在不增加複雜度情形下，嘗試改善傳統倒傳遞學習法則，藉由找尋具有最大與最小誤差的輸出節點，並動態調整與該節點所連接權值的學習係數，以加快學習速度。本研究使用Matlab軟體撰寫程式模擬學習行為，並與傳統倒傳遞學習法則相比較，驗證在收斂速度有相當程度的改善。