因为Elman网络是以BP网络为基础建立起来的，因此Elman网络的权值学习算法可以参考BP网络的改进权值算法。BP网络常用的改进方法是基于数值优化理论的改进算法，包括三种： 共轭梯度法、高斯-牛顿法和Levenberg_Marquardt法[30]。
(1) 有动量项和自适应学习率的梯度下降法 (traingdx)
该法采用动量项和学习速率自适应调整的两种策略，加速了网络的收敛速度，动量项法降低了误差曲面局部细节的敏感性，有效抑制了网络陷于局部最小，自适应学习率有效地加速网络收敛速度，增加稳定性，提高速度和精度。调整原理如下：
其中Φ>1，δ<1，△E=E (t) -E(t-1)，ζ表示动量项调整的系数，η表示网络学习速率。
(2) ...... （共1689字） [阅读本文]>>
水环境系统智能化软测量与控制水环境系统软测量的基本思想是将系统建模理论与生产工艺过程知识有机结合起来，应用计算机软件技术，对水环境系统中一些难于在线测量或不能测量的重要变量 (称之为主导变量)，如出水BOD、COD等，通过选择另
水环境系统智能化软测量与控制软测量的基本原理是把系统辨识和控制系统建模理论与生产工艺过程知识结合起来，根据某种最优规则，选择一组既与主导变量有密切联系又易检测的变量，即二次变量，通过构造某种以二次变量为输入、主导变量为输出的数学
水环境系统智能化软测量与控制过程神经元的输入和连接权值均可为一个时间变化过程，并在传统神经元空间聚合运算的基础上，增加了一个时间聚合算子，使过程神经元的聚合运算和激励作用能同时反映信号的空间总和效应和时间总和效应。过程神经元由加
水环境系统智能化软测量与控制过程神经元网络是由若干个过程神经元和一般非时变神经元按照一定的拓扑结构组成的人工神经元系统。类似于传统神经元网络，过程神经元网络也可以按神经元之间的连接方式分为前向型过程神经元网络和反馈型过程神经元网
水环境系统智能化软测量与控制过程神经元网络的学习算法目前国内只有何新贵院士、许少华博士提出了几种方法[23]。主要有基于梯度下降的学习算法，该算法借鉴了传统的BP算法[111-112]; 基于函数正交基展开的学习算法，在输入空间
上一篇