多層感知器學(xué)習(xí)算法研究.pdf

1、多層感知器是一種單向傳播的多層前饋網(wǎng)絡(luò)模型，由于具有高度的非線性映射能力，是目前神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用中最基本的網(wǎng)絡(luò)模型之一，廣泛應(yīng)用于模式識(shí)別、圖像處理、函數(shù)逼近、優(yōu)化計(jì)算、最優(yōu)預(yù)測(cè)和自適應(yīng)控制等領(lǐng)域。而多層感知器采用的是BP算法。BP算法的收斂速度慢是個(gè)固有的缺點(diǎn)，因?yàn)樗墙⒃诨谥痪哂芯植克阉髂芰Φ奶荻确ㄖ系模侵痪哂芯植克阉髂芰Φ姆椒?，若用于多個(gè)極小點(diǎn)的目標(biāo)函數(shù)時(shí)，是無法避免陷入局部極小和速度慢的缺點(diǎn)的。因此，對(duì)BP算法的研究一

2、直以來都是非常重要的課題。 畢業(yè)設(shè)計(jì)課題旨在對(duì)多層感知器的學(xué)習(xí)算法進(jìn)行研究，并提出一種新的學(xué)習(xí)算法。由于BPWE(權(quán)值外推BP)算法和TBP(三項(xiàng)BP)算法都是基于權(quán)值調(diào)整的改進(jìn)算法，而考慮將TBP算法中的均衡因子融入到BPWE算法中，從而使后者對(duì)權(quán)值的調(diào)整由原來的兩項(xiàng)增加為三項(xiàng)，從而提出一種新的學(xué)習(xí)算法…TWEBP算法。為了驗(yàn)證本算法的優(yōu)點(diǎn)，采用了三個(gè)例子，分別對(duì)異或問題、三分類問題和函數(shù)逼近問題進(jìn)行了實(shí)驗(yàn)，發(fā)現(xiàn)其收斂速度和逃