论文部分内容阅读
传统的梯度算法存在收敛速度过慢的问题，针对这个问题，提出一种将惩罚项加到传统误差函数的梯度算法以训练递归pi-sigma神经网络，算法不仅提高了神经网络的泛化能力，而且克服了因网络初始权值选取过小而导致的收敛速度过慢的问题，相比不带惩罚项的梯度算法提高了收敛速度。从理论上分析了带惩罚项的梯度算法的收敛性，并通过实验验证了算法的有效性。