The paper presents two search-based algorithms for MLP training; numerical gradient and yariable step search algorithm. The advantages of the methods comparing to analytical gradient-based algorithms include Iow memory reąuirements, the algorithm simplicity and determining morę optimal next step direction by direct access to the influence of hidden layer weights on nerwork error.
PL
Artykuł przedstawia dwie metody uczenia sieci MLP oparte na . przeszukiwaniu: gradient numeryczny i metodę zmiennego kroku przeszukiwania (VSS). Zaletą tych metod są małe wymagania pamięciowe, prosta budowa algorytmu t v oraz dokładniejsze określenie kierunku następnego kroku przez bezpos'rednie określanie wpływu wartości wag warstwy ukrytej na błąd sieci.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.