基于BP神經(jīng)網(wǎng)絡的建模算法研究.pdf

1、神經(jīng)網(wǎng)絡以其優(yōu)良的非線性逼近能力在人工智能，語音識別，智能控制等領域得到了廣泛的應用，并且已經(jīng)在越來越多的領域得到關(guān)注。但是BP神經(jīng)網(wǎng)絡存在容易早熟陷入局部最優(yōu)收斂慢以及泛化能力不足等問題?；み^程的高度非線性導致BP神經(jīng)網(wǎng)絡參數(shù)多難以收斂以及網(wǎng)絡結(jié)構(gòu)難以確定泛化能力弱。采用啟發(fā)式算法優(yōu)化參數(shù)尋優(yōu)問題，可以緩解BP神經(jīng)網(wǎng)絡容易早熟的問題；從優(yōu)化樣本的完備性角度可以進一步提高BP神經(jīng)網(wǎng)絡的泛化能力。
　　本論文從上述問題出發(fā)展開研究

2、，本論文的主要工作包括以下幾個內(nèi)容：
　　1.針對建模過程中BP神經(jīng)網(wǎng)絡容易早熟的問題，本文提出CSBP建模算法，采用布谷鳥算法優(yōu)化神經(jīng)網(wǎng)絡的參數(shù)尋優(yōu)過程。并進一步提出NCSBP算法，使用小生境策略優(yōu)化參數(shù)尋優(yōu)過程中參數(shù)點的“近親繁殖”問題，對化工TE過程對象以及DISO對象的建模結(jié)果表明，小生境布谷鳥搜索算法優(yōu)化神經(jīng)網(wǎng)絡能夠很大程度避免早熟以及收斂慢的問題。
　　2.針對BP神經(jīng)網(wǎng)絡在建模過程中出現(xiàn)訓練階段精度良好，但是在