摘要：目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度，但只对小残量或零残量问题有效，对大残量问题则收敛很慢甚至不收敛．为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题，引入拟牛顿(QuasiNewton)优化算法，并与LM(Levemberg—Marquardt)法相结合，构建基于LM—QuasiNewton法的前馈神经网络．仿真实例表明，该神经网络较好地解决了残量问题，具有良好的收敛性和稳定性．

原文链接:http://www.cqvip.com//QK/98106A/200401/9380810.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）