BP神經(jīng)網(wǎng)絡(luò)算法與其它算法的融合研究及應(yīng)用.pdf

1、作為人工智能的重要組成部分，人工神經(jīng)網(wǎng)絡(luò)有較大的應(yīng)用潛力。本文在闡述了神經(jīng)網(wǎng)絡(luò)的基本原理、發(fā)展及其應(yīng)用的基礎(chǔ)上，主要研究了BP神經(jīng)網(wǎng)絡(luò)算法與其它優(yōu)化算法融合的改進(jìn)。
　　BP神經(jīng)網(wǎng)絡(luò)是多層前向神經(jīng)網(wǎng)絡(luò)的一種，也是人工神經(jīng)網(wǎng)絡(luò)模型中最典型、應(yīng)用最廣泛的一種網(wǎng)絡(luò)模型。它能以任意精度逼近任意非線性函數(shù)，具有良好的逼近性能，并且結(jié)構(gòu)簡單，是一種性能優(yōu)良的神經(jīng)網(wǎng)絡(luò)。
　　本論文對(duì)BP算法作了較為深入的研究，針對(duì)一般BP算法收斂速度慢，

2、易陷入局部極小值的缺陷，從優(yōu)化算法和BP算法融合的角度進(jìn)行改進(jìn)，提出了三種改進(jìn)方法：變尺度混沌-BP算法1和算法2（MSC-BP1和MSC-BP2）和混沌粒子群-BP算法（即MCPSO-BP算法）。
　　MSC-BP1算法是采用變尺度混沌優(yōu)化方法代替BP算法中的梯度下降法，在優(yōu)化搜索過程中不斷縮小搜索空間，它克服了標(biāo)準(zhǔn)BP算法易陷入局部極小的缺點(diǎn)，能有效地尋找到BP神經(jīng)網(wǎng)絡(luò)權(quán)值的全局最優(yōu)值。
　　MSC-BP2混合算法是進(jìn)一

3、步將MSC-BP1算法與梯度下降法交替使用和有機(jī)結(jié)合，它能有效縮短單一的變尺度混沌優(yōu)化BP算法的訓(xùn)練時(shí)間。仿真結(jié)果表明，改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)具有實(shí)現(xiàn)簡單、尋優(yōu)性強(qiáng)和優(yōu)化效率高等特點(diǎn)。
　　MCPSO-BP算法是改進(jìn)混沌粒子群算法(MCPSO)與BP算法的融合算法，該算法綜合了改進(jìn)粒子群算法全局尋優(yōu)的高效性，混沌算法局部搜索的遍歷性和BP算法快速的局部搜索能力的優(yōu)點(diǎn)。仿真結(jié)果表明，MCPSO-BP算法網(wǎng)絡(luò)結(jié)構(gòu)簡單，收斂速度快，并具有良