作　　者： (黄尚晴）; (赵志勇）; (孙立波）;

机构地区： 浙江工商大学统计与数学学院,浙江杭州310018

出　　处： 《科技创新导报》 2017年第20期146-147,共2页

摘　　要： BP神经网络因其理论成熟及泛化能力强而被广泛的应用在不同的领域。尽管如此,其仍然存在着两大缺陷:其一,收敛速度慢;其二,容易陷入局部极小。特别是在解决大样本问题时,BP算法的缺陷更加突出。本文首先从样本训练方法上入手对BP算法进行改进从而保证收敛速度,提出一种交叉批量梯度下降算法(Cross-batch gradient descent algorithm,以下简称CBGD)。将改进后的算法用于手写数字的识别,相比于普通的BP算法在收敛速度及测试准确率上都有明显的提高。

关 键 词： 神经网络 算法改进 交叉梯度下降 手写体数字识别