中文摘要:
本文介绍采用改进的分数阶最速下降法(FSDM)训练分数阶全局最优反向传播机。该反向传播机是一种分数阶反向传播神经网络(FBPNN)。分数阶反向传播神经网络是反向传播神经网络(BPNNs)大家族中一个先进的分数阶分支,它不同于绝大多数传统一阶最速下降法训练的经典一阶BPNNs。本文提出的FBPNN反向增量搜索在其均方误差近似分数阶偏导数的负方向进行。首先,从数学上描述用改进FSDM训练的FBPNN理论概念。然后,详细给出FBPNN分数阶全局最优收敛性的数学证明,分析神经网络结构构建以及分数阶多尺度全局寻优问题。最后,通过实验比较FBPNN和经典一阶BPNN的性能:包括函数逼近、分数阶多尺度全局寻优以及基于实际数据的全局搜索和误差拟合能力比对。相比经典一阶BPNN,FBPNN最主要优点是具有更高效的全局寻优能力,能够判定全局最优解。关键词:
分数阶微积分;分数阶反向传播算法;分数阶最速下降法;均方误差;分数阶多尺度全局优化 作者:蒲亦非 1,王健 2单位: 1四川大学计算机学院,中国成都市,6100652中国石油大学(华东)理学院,中国青岛市,266580本文引用格式: Yi-fei Pu, Jian Wang. Fractional-order global optimal backpropagation machine trained by an improved fractional-order steepest descent method[J]. Frontiers of Information Technology & Electronic Engineering, 2020, 21(6): 809-833. https://doi.org/10.1631/FITEE.1900593 |
点击下方“阅读全文”,下载全文PDF
关于本刊
Frontiers of Information Technology & Electronic Engineering(简称FITEE,中文名《信息与电子工程前沿(英文)》,ISSN 2095-9184,CN 33-1389/TP)是信息电子类综合性英文学术月刊,SCI-E、EI收录,最新影响因子1.033。前身为2010年创办的《浙江大学学报英文版C辑:计算机与电子》,2015年更为现名,现为中国工程院信息与电子工程学部唯一院刊。覆盖计算机、信息与通信、控制、电子、光学等领域。文章类型包括研究论文、综述、个人视点、评述等。现任主编为中国工程院院士潘云鹤、卢锡城,实行国际同行评审制,初次转达意见一般在2~3个月内。文章一经录用将快速在线。
FITEE官网:http://www.jzus.zju.edu.cn
期刊Springer主页:
http://www.springer.com/computer/journal/11714
在线投稿地址:
http://www.editorialmanager.com/zusc
微信加群为方便广大科研人员交流讨论,本平台建有以下学科微信群。有需要加群的用户,请加小编个人微信号fitee_xb,并留言想要加入的群,小编会拉您进群。营销广告人员请勿扰。
计算机科学与技术学术群 | 光学工程与技术学术群 |
控制科学与技术学术群 | 信息与通信学术群 |
电力电子学术群 | 人工智能学术 |
本公众号为中国工程院院刊《信息与电子工程前沿(英文)》(SCI-E、EI检索期刊)官方微信,功能包括:传播期刊的学术文章;为刊物关联学人(读者、作者、评审人、编委,等)提供便捷服务;发布学术写作、评审、编辑、出版等相关资讯;介绍信息与电子工程领域学术人物、学术思想、学术成果,展示该领域科学研究前沿进展;为该领域海内外学者提供友好互动平台。