摘要
本文研究了连续函数映射网络学习样本的次序对网络收敛性的影响，提出了样本次序重组的规则．数学分析和计算机仿真实验结果均表明，据此规则实现的改进型算法有效地克服了网络实时学习中存在的“记忆遗忘”现象．
This paper deals with the effects of learning sample's order on continuous function map network's convergence. Sample reorganization rules are proposed to prevent information loss on network's learning process, which have been verified by theoretical analysis and computer simulation results.
出处
《计算机学报》
EI
CSCD
北大核心
1996年第9期701-703,共3页
Chinese Journal of Computers
基金
邮电部科研项目基金
武汉地区跨世纪人才培养计划
国家博士后基金
关键词
神经网络
预处理
连续函数
映射
样本重组
Neural networks, preprocessing, network's learning, BP algorithm
