文件名称：Adaline神经网络随机逼近LMS算法的仿真研究
文件大小：638KB
文件格式：PDF
更新时间：2024-05-06 11:55:42
人工神经网络；自适应线性元件（Adaline）；仿真；最小二乘（LMS）算法
基于最小二乘（LMS）统计算法的自适应线性元件（Adaline）神经网络是非线性分类的重要工具之一。从计算机仿真的角度研究随机逼近LMS学习方法的特点，从步长设置、收敛性、收敛速度、算法抗噪性、判断的准确率等多个参量评估随机逼近法的性能。仿真结果表明，对于不同的初始步长设置，神经元完成学习任务的训练时间不同；在保证学习收敛性的前提下，步长越大，收敛速度越快，但收敛的稳定性变差。权矢量的初始值设置对学习的收敛性没有影响。