BP神經(jīng)網(wǎng)絡的研究分析及改進應用.pdf

1、隨著科學技術的飛速發(fā)展，人工神經(jīng)網(wǎng)絡也迅速發(fā)展，它更是智能領域中的一個重要組成部分，現(xiàn)在它已經(jīng)被廣泛的應用到了信號處理、模式識別、機器控制、專家系統(tǒng)等多個領域之中，并且在預測領域得到了更深入的發(fā)展。BP神經(jīng)網(wǎng)絡是人工智能網(wǎng)絡中的一個典型算法，而且它本身具有很強的非線性映射能力，解決一些非線性問題更是它最突出的一環(huán)。BP神經(jīng)網(wǎng)絡不止這一個優(yōu)點，它的網(wǎng)絡拓撲結(jié)構簡單，而且具有較高的誤差精度，并且它易于用編程實現(xiàn)，而且它還具有很強的可操作性，

2、等等。因此，BP神經(jīng)網(wǎng)絡的應用就更加廣泛了，成為智能領域中的最重要的算法之一。
　　 標準BP神經(jīng)網(wǎng)絡算法雖然優(yōu)點很多，但它本身存在著許多缺點。它使用的優(yōu)化算法是基于最速下降法的算法。最速下降法本身就存在著不足，收斂速度慢，容易陷入局部最小點。因此，標準BP算法在這面也存在著不足，這就直接導致了網(wǎng)絡的學習能力的不足。除了這些因為最速下降法導致的不足外，BP網(wǎng)絡的隱含層也難以確定其需要的層數(shù)及每層神經(jīng)元的節(jié)點數(shù)，而且它是一種有導師

3、學習的神經(jīng)網(wǎng)絡，它的每一個輸入模式都必須知道期望輸出以及誤差精度，作為一個“指導信息”。對于標準BP神經(jīng)網(wǎng)絡這些缺點，許多國內(nèi)外學者都對此進行了詳細研究，他們提出了很多的改進算法。
　　 本文針對BP算法存在的缺點，并結(jié)合標準BP神經(jīng)網(wǎng)絡的基本原理，提出了改進的BP算法。這一算法是在附加動量法的基礎上，增加了一個關于學習速率的自適應因子，并對這個算法進行了推導。并通過將新算法應用到了解決異或問題中，通過此來驗證新算法的可行性和魯