本文比较了不同类型的神经网络，包括三层BP神经网络、径向基函数神经网络、自组织竞争网络、对向传播神经网络和反馈性网络。讨论了它们的结构特点、训练学习方式、学习类型以及训练时间，涉及梯度下降法、无导师自组织学习和联想记忆等功能。
1. 三层BP神经网络
结构特点：BP神经网络具有三层或三层以上的多层神经网络，上下各神经元之前无连接。
训练学习方式：当一对样品提供给网络后，从输入层经过各中间层向输出层传播，在输出层获得响应。按照减少目标输出与实际误差的方向，采用负梯度下降等多种方法，从输出层经过中间层逐层修正连接权值，正确率不断提高。
学习方式：两步都采用有导师学习：
训练时间：长。
BP神经网络参数的调整方法：1）梯度下降法；2）有动量的梯度下降法；3）有自适应lr的梯度下降法；4）有动量加自适应lr的梯度下降法；5）弹性梯度下降法；6）Fletcher-Reeves共轭梯度法法；7）Polak-Ribiere共轭梯度法；8）Powell-Beale共轭梯度法；
2. 径向基函数神经网络
结构特点：与BP神经网络结构相似，但其隐含层神经元的核函数取为高斯核函数。
训练学习
最低0.47元/天 解锁文章
扫一扫
6万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
