张炳杰;刘玉松;曹金德;吴淑君;王健 基于Wirter演算框架的全复共轭梯度神经网络:确定性收敛及其应用。 (英语) Zbl 1434.68485号 神经网络。 115, 50-64 (2019). 摘要:共轭梯度法因其记忆要求低、收敛速度快而被证明是一种有效的神经网络训练策略。本文提出了一种利用Wirter微分算子训练全复值网络模型的有效共轭梯度法。采用了两种方法来提高培训绩效。一种是通过设计一个微调共轭系数,在训练过程中构造一个足够的下降方向。另一种技术是在每次迭代中寻求最佳学习速率,而不是使用广义Armijo搜索确定的固定常数。此外,我们严格证明了它的弱收敛和强收敛结果,即目标函数相对于权重的梯度范数随着迭代次数的增加而接近零,并且权重序列趋于最优点。为了验证该方法的有效性和合理性,对典型的回归和分类问题进行了四个仿真。 引用于3文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 92B20型 生物研究、人工生命和相关主题中的神经网络 关键词:复值神经网络;共轭梯度;Armijo搜索;Wirter演算;汇聚 软件:OPTIMA公司 PDF格式BibTeX公司 XML格式引用 \textit{B.Zhang}等人,神经网络。115、50-64(2019年;Zbl 1434.68485) 全文: 内政部 参考文献: [1] Aizenberg,I.,具有多值神经元的复杂值神经网络(2011),海德堡:施普林格·Zbl 1267.68174号 [2] 阿明,M.F。;Murase,K.,用于实际值分类问题的单层复合值神经网络,神经计算,72,4-6,945-955(2009) [3] Bartholomew-Biggs,M.(工程应用非线性优化方法.工程应用非线性最优化方法,Springer优化及其应用(2008))·Zbl 1167.90001号 [4] Brandwood,D.H.,复梯度算子及其在自适应阵列理论中的应用,IEE Proceedings H-Microwaves,Optics and Antennas,130,11-16(1983) [5] Cha,I。;Kassam,S.A.,使用自适应复数径向基函数网络的信道均衡,IEEE通信选定领域杂志,13,122-131(1995) [6] 查克拉波蒂,R。;Pal,N.R.,《使用控制冗余的神经框架进行特征选择》,IEEE神经网络和学习系统汇刊,26,1,35-50(2015) [7] 陈,S。;X.洪。;Khalaf,E。;Alsaadi,F.E。;Harris,C.J.,复值b样条神经网络及其在hammerstein通信系统迭代频域决策反馈均衡中的应用,(2016年神经网络国际联合会议(2016)),4097-4104 [8] Dong,X.L。;刘洪伟。;Li,X.L。;何玉斌。;Liu,Z.X.,大型无约束问题的修正非单调Hestenes-Stiefel型共轭梯度方法,数值泛函分析与优化,38,39-50(2016)·Zbl 1362.90341号 [9] Dong,X.L。;杨晓明。;黄义勇,带armijo搜索的新共轭梯度法的全局收敛性,河南师范大学学报,43,6,25-29(2015)·Zbl 1349.90778号 [10] 芬克,O。;Zio,E。;Weidmann,U.,用复杂值神经网络预测部件可靠性和退化程度,可靠性工程与系统安全,121198-206(2014) [11] 弗莱彻,R。;Reeves,C.M.,《共轭梯度函数最小化》,《计算机杂志》,第7期,第149-154页(1964年)·Zbl 0132.11701号 [12] Goodband,J.H。;哈斯,O.C.L。;Mills,J.A.,IGRT在线预测的神经网络方法比较,医学物理,351113-1122(2008) [13] M.T.哈根。;Demuth,H.B。;Beale,M.H.,神经网络设计(1996),PWS出版社:波士顿PWS出版社 [14] Hestenes,M.R。;Stiefel,E.L.,求解线性系统的共轭梯度法(1952),国家标准局:华盛顿国家标准局·兹比尔0048.09901 [15] Kim,T。;Adali,T.,完全复杂多层感知器的近似,神经计算,151641-1666(2003)·Zbl 1085.68631号 [16] Kreutz-Delgado,K.,《复梯度算子与CR-calculus》,数学,1-74(2009) [17] 李,H。;Adali,T.,《使用非线性函数的复值自适应信号处理》,EURASIP《信号处理进展杂志》,1-9(2008)·Zbl 1184.94113号 [18] 李,M。;黄,G。;萨拉昌德兰,P。;Sundararajan,N.,《完全复杂极限学习机器》,神经计算,68,306-314(2005) [19] 李振康。;Zhao,X.H.,基于Bp人工神经网络的无传感器自由空间光学通信波前校正,光学通信,385,219-228(2017) [20] Liu,Y.S。;黄,H。;黄,T.W。;Qian,X.S.,一种改进的最大扩散算法及其在复值RBF神经网络中的应用,神经计算,216261-267(2016) [21] 刘,H。;Li,X.Y.,一种改进的hs共轭梯度法,(2011年多媒体技术国际会议(2011)),5699-5702 [22] Lu,C.N。;Wu,H.T。;Vemuri,S.,基于神经网络的短期负荷预测,IEEE电力系统汇刊,8,1,336-342(2002) [23] 马古拉斯,G.D。;弗拉哈提斯,M.N。;Androulakis,G.S.,可变步长的有效反向传播训练,神经网络,10,69-82(1997) [24] Mandic,D.P。;Goh,S.L.,《复值非线性自适应滤波器:非圆性、广泛线性和神经模型》(2009),威利·Zbl 1165.94301号 [25] Nait-Charif,H.,模式分类应用中的复杂值神经网络容错,(2010年第二届WRI全球智能系统大会,第3卷(2010)),154-157 [26] 李约瑟,T.,《视觉复杂分析》,《美国数学月刊》,105,195-196(1998) [27] Nitta,T.,将反向传播算法扩展到复数,神经网络,101391-1415(1997) [28] Nitta,T.,使用单个复值神经元解决异或问题和对称性检测,神经网络,16,1101-1105(2003) [29] Nocedal,J。;Wright,S.J.,数值优化(2006),Springer:Springer New York·Zbl 1104.65059号 [30] Novey,M.P.,《使用非线性函数的复杂ica》,IEEE信号处理汇刊,56,9,4536-4544(2008)·兹比尔139094068 [31] 奥尔特加,J.M。;Rheinboldt,W.C.,多变量非线性方程的迭代解,工业和应用数学学会,25347-380(1970)·Zbl 0241.65046号 [32] Papalexopoulos,公元。;Hao,S.Y。;Peng,T.M.,EMS基于神经网络的负荷预测模型的实现,IEEE电力系统交易,1956-1962年9月(1994) [33] Polak,E。;Ribiere,G.,《共轭方向收敛性注释》,《法国信息与经济评论》,第16期,第35-43页(1969年)·Zbl 0174.48001号 [34] Polyak,B.T.,极值问题中的共轭梯度法,苏联计算数学和数学物理,9,94-112(1969)·Zbl 0229.49023号 [35] Popa,C.A.,复杂值神经网络的标度共轭梯度学习,智能系统与计算进展,378,221-233(2015) [36] Saini,L.M。;Soni,M.K.,使用共轭梯度法基于人工神经网络的峰值负荷预测,IEEE电力系统汇刊,17907-912(2002) [37] Savitha,R。;苏雷什,S。;Sundararajan,N.,全复值径向基函数神经网络中的元认知学习,神经计算,241297-1328(2012) [38] Savitha,R。;苏雷什,S。;Sundararajan,N.,基于投影的快速学习全复值松弛神经网络,IEEE神经网络和学习系统汇刊,24,4,529-541(2013) [39] 孙庆云。;Liu,X.H.,一种新的具有广义armijo步长规则的三项共轭梯度法的全局收敛性结果,《数值数学》,26,25-36(2004)·Zbl 1495.65037号 [40] Tanaka,G.,《复杂值神经网络:进展与应用》,IEEE计算智能杂志,8,2,77-79(2013)·Zbl 1388.68009号 [41] UCI机器学习库。访问时间:2018年。[在线]。可用:http://archive.ics.uci.edu/ml/;UCI机器学习库。访问时间:2018年。[在线]。可用:http://archive.ics.uci.edu/ml/ [42] Van,D.B.A.,《复梯度与黑森》,IEE视觉、图像与信号处理进展,141380-383(1994) [43] 万,Z。;胡,C。;Yang,Z.,基于改进线搜索、离散和连续动力系统的非凸优化问题的谱PRP共轭梯度法。B系列,16,1157-1169(2017)·Zbl 1229.90209号 [44] Wang,美联社。;Chen,Z.,改进的HS共轭梯度法在wolfe型线搜索下的全局收敛性,安徽大学学报,2150-156(2015) [45] Wang,J。;Wu,W。;Zurada,J.M.,前馈神经网络共轭梯度法的确定收敛性,神经计算,742368-2376(2011) [46] Wang,J。;Yang,G.L。;张伯杰。;孙志强。;Liu,Y.S。;Wang,J.C.,Caputo型分数阶复值神经网络的收敛性分析,IEEE Access,514560-14571(2017) [47] Wang,J。;张伯杰。;孙志强。;郝伟新(Hao,W.X.)。;Sun,Q.Y.,一种用于前馈神经网络有效训练的新共轭梯度法,神经计算,275308-316(2018) [48] 王,B。;朱秋霞,半马尔可夫切换随机系统的稳定性分析,自动机,94,72-80(2018)·Zbl 1400.93325号 [49] Wirtinger,W.,Zur formalen theory der funktionen von mehr komplexen veränderlichen,Mathematicsche Annalen,97357-375(1927年) [50] 夏,Y。;杰夫斯,B。;M.M.V.赫尔。;普林西比,J.C。;Mandic,D.P.,用于复杂非圆信号非线性自适应滤波的增强回波状态网络,IEEE神经网络汇刊,22,74-83(2011) [51] 谢磊,基于BP神经网络的热负荷预测模型——马尔科夫模型,神经计算与应用,107,296-300(2017) [52] 徐博士。;张,H.S。;Mandic,D.P.,全复值神经网络增强算法的收敛性分析,神经网络,69,44-50(2015)·Zbl 1401.68271号 [53] 袁,G。;Wei,Z.,非光滑凸优化问题的非单调线搜索修正PRP共轭梯度算法,应用数学与计算杂志,51397-412(2016)·Zbl 1352.65159号 [54] 张,H.S。;刘晓东。;徐博士。;张毅,基于维特纳演算的全复杂反向传播算法的收敛性分析,认知神经动力学,8,3,261-266(2014) [55] 张,S.C。;Xia,Y.S.,求解复杂二次规划问题的两种快速复值算法,IEEE控制论汇刊,46,12,2837-2847(2016) [56] 张,S.C。;Xia,Y.S.,用复值迭代法求解复变量实函数的非线性优化问题,IEEE控制论汇刊,48,1,277-287(2018) [57] 张,H.S。;徐博士。;Zhang,Y.,带动量和惩罚的分裂复数反向传播算法的有界性和收敛性,神经处理函(2014) [58] 张,H.S。;张,C。;Wu,W.,复值神经网络批分解-复反向传播算法的收敛性,《自然与社会中的离散动力学》,1-16(2009)·Zbl 1183.68513号 [59] 赵振中。;徐庆生。;贾明平,基于改进的混合蛙跳算法的BP神经网络及其在轴承早期故障诊断中的应用,神经计算与应用,27,375-385(2016) [60] 朱庆霞,带lvy噪声的随机时滞微分方程的稳定性分析,《系统与控制快报》,11862-68(2018)·Zbl 1402.93260号 [61] 朱庆霞。;Wang,H.,具有未知控制系数和未知输出函数的随机前馈系统的输出反馈镇定,Automatica,87,166-175(2018)·Zbl 1378.93141号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。