多层神经网络加速学习效率的方法

本文介绍三种提升神经网络训练速度的方法:使用双曲线正切函数替代S型函数作为激活函数,加入动量常数到Delta规则中以加速训练,以及采用启发式学习率策略根据误差变化调整学习率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.改变激活函数

传统的激活函数使用S型函数,现在使用双曲线正切函数来替代

                         (一般取:a=1.716, b,0.667)

2.加入动量常数

计算权重的增加值的Delta规则中,加入动量常数加速训练

                      

其中一般取β=0.95,γ为隐藏层的输出,δ为输出层的误差梯度

3.使用启发式学习率提高训练速度

如果在临近的几个周期中,误差平方和变化的代数符号相同,则增加学习率参数α

如果在临近的几个周期中,误差平方和变化的代数符号相同,则减少学习率参数α

如果本周期中误差的平方和大于前一次值的预先指定的倍数(通常为1.04倍),则减少学习率参数,通常α=0.7*α,并计算新的权重和阈值;如果小于前一次,则增加学习率,通常为α=1.05*α

 

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值