论文部分内容阅读
针对递归神经网络BP学习算法收敛慢的缺陷,将Levenberg-Marquardt(LM)算法引入到递归神经网络权值的训练,为了克服LM算法集中运算的不足,设计出完整的并行LM算法。该算法将计算分配到神经网络中的每个神经元,符合神经网络的并行结构特点。仿真结果表明,该算法比传统BP算法具有更好的收敛性,且比LM算法大大节省了计算时间。