BP神經網(wǎng)絡的算法改進與應用研究.pdf

1、人工神經網(wǎng)絡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。BP網(wǎng)絡由于結構簡單、精度較高、易于編程、可操作性強、非線性映射能力強等優(yōu)點而成為目前神經網(wǎng)絡中應用最廣泛的一種。
　　由于標準BP算法采用的是最速梯度下降法，因而存在收斂速度慢、易陷入局部極小等缺點。為此，許多學者在標準BP算法的基礎上，從學習率、誤差函數(shù)、激勵函數(shù)、優(yōu)化算法、網(wǎng)絡結構等方面進行了大量的研究，并且提出了一

2、些改進的BP算法。
　　本文首先對BP網(wǎng)絡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，構造了一種自適應放大的誤差信號，通過修改激勵函數(shù)的導數(shù)，使權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)絡性能的學習率角度提出一種新的自適應學習率改進BP算法。
　　本文針對BP算法的缺陷，從兩個不同的角度對標準BP算法進行改進。為了驗證新算法的改進效果，本文將新算法分別應用于解決函數(shù)逼