BP神經(jīng)網(wǎng)絡(luò)的算法改進及應用研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)是一種模擬大腦信息處理算法的非線性系統(tǒng)，具有強大的分布式信息存儲、并行處理和自適應學習能力等特點。而BP網(wǎng)絡(luò)包含了神經(jīng)網(wǎng)絡(luò)理論中最精華的部分，具有結(jié)構(gòu)簡單、技術(shù)成熟的優(yōu)點，已被廣泛應用于模式識別、智能控制等領(lǐng)域。但由于BP算法采用的是梯度下降法，因而存在收斂速度慢、易陷入局部極小等缺點。
　　 本文首先對BP網(wǎng)絡(luò)模型和算法進行了系統(tǒng)的綜述。針對標準BP算法的“平臺”現(xiàn)象，構(gòu)造了一種自適應放大的誤差信號，通過修改激勵函

2、數(shù)的導數(shù)，使權(quán)值的修正過程不會因飽和區(qū)域而趨于停滯，并對其收斂性進行分析證明。
　　 其次，從影響B(tài)P網(wǎng)絡(luò)性能的綜合因素考慮，提出了一種自適應調(diào)節(jié)學習率和動態(tài)調(diào)整S型激勵函數(shù)相結(jié)合的改進BP算法。該算法將學習率與誤差函數(shù)相關(guān)聯(lián)，并對每個隱單元和輸出單元的激勵函數(shù)的斜率進行自動調(diào)整。
　　 最后，將擅長全局搜索的遺傳算法和局部尋優(yōu)能力較強的BP算法相結(jié)合，設(shè)計了一種基于改進遺傳算法的BP網(wǎng)絡(luò)訓練方法。通過采用遞階編碼、自適