BP神經(jīng)網(wǎng)絡樣本數(shù)據(jù)預處理應用研究.pdf

1、BP神經(jīng)網(wǎng)絡是一種多層神經(jīng)網(wǎng)絡，其權值調(diào)整原則是按照誤差梯度下降原則進行調(diào)整，該神經(jīng)網(wǎng)絡具有很強的自適應及容錯能力，在解決模式識別及預測問題時常被作為重要的工具來使用。不過，基本的BP神經(jīng)網(wǎng)絡具有一些先天的固有問題，像收斂速度慢導致訓練時間很長，誤差易于陷入局部最小值，學習率和動量因子的選擇決定了網(wǎng)絡的收斂性能，網(wǎng)絡結構難以確定等，這些問題對BP圣經(jīng)網(wǎng)絡的推廣使用帶來了極大的阻礙。常常使用針對固有缺陷改進后的BP神經(jīng)網(wǎng)絡來解決實際問題，

2、改進后的神經(jīng)網(wǎng)絡一般都能克服基本的BP網(wǎng)絡的一些問題，比如縮短訓練時間，并且樣本擬合率更高，在預測問題的應用中，預測準確率往往更高。
　　BP（Back-Propagation）神經(jīng)網(wǎng)絡分為輸入層、隱層和輸出層，同層結點之間沒有連接，層間結點之間實行全連接，每層結點的輸出只影響下一層結點的輸入，網(wǎng)絡的信息傳播過程包括正向傳播和逆向傳播，正向傳播指的是輸入信號由輸入層通過激活函數(shù)的作用向前傳播到隱含層，隱含層結點經(jīng)過激活函數(shù)再把信息

3、傳播到輸出層的神經(jīng)元結點。逆向傳播是指通過計算輸出層神經(jīng)元結點輸出值與期望值的誤差，該誤差信息再沿著相反的路徑返回，在返回過程中修改各層的權值和閾值來使誤差值逐漸縮小。
　　本文提出了一種改進算法，主要針對BP神經(jīng)網(wǎng)絡的輸入樣例的預處理階段。首先闡述了人工神經(jīng)網(wǎng)絡的發(fā)展過程及BP神經(jīng)網(wǎng)絡存在的缺陷，簡單介紹BP神經(jīng)網(wǎng)絡的研究現(xiàn)狀。然后再重點介紹了BP神經(jīng)網(wǎng)絡的基本原理和目前研究人員提出的各種改進算法。隨后，介紹了預處理樣本數(shù)據(jù)的方