数据模式识别中最适反向传播训练算法的选择
神经与进化计算
2014-09-17 v1
摘要
神经网络中的反向传播方法有多种训练算法。并非所有算法在识别数据模式的适用性百分比水平上都具有相同的准确度。本研究专门测试了 12 种训练算法在识别测试有效性数据模式方面的表现。使用的基本网络参数为：最大允许 epoch = 1000，目标误差 = ，学习率 = 0.05。十二种训练算法各执行 20 次循环。测试结果表明，匹配率最高的是 trainlm 算法，在 5% 的 alpha 水平下，其在 0.000 的显著性水平上具有 87.5% 的充分适用性水平。这意味着在识别测试有效性数据模式方面，最合适的训练算法是 trainlm 算法。
引用
@article{arxiv.1409.4727,
title = {Selection of Most Appropriate Backpropagation Training Algorithm in Data Pattern Recognition},
author = {Hindayati Mustafidah and Sri Hartati and Retantyo Wardoyo and Agus Harjoko},
journal= {arXiv preprint arXiv:1409.4727},
year = {2014}
}
备注
4 pages, 2 figures, 6 tables, Published with International Journal of Computer Trends and Technology (IJCTT) 14(2):92-95, Aug 2014