BP神经网络的饱和分析及改进

摘要：

为了改善BP神经网络易形成局部最小,收敛速度慢的缺点,从分析三个因子学习因子、惯性因子和形状因子对BP算法性能影响出发,提出了离线调整学习因子和惯性因子,在线调整形状因子的联合优化方法.这种方法使网络在训练时,不仅神经元的连接权在不断调整,而且其自身的输入输出关系也在变动,从而使网络脱离饱和区,提高了收敛速度.最后以最典型应用函数逼近和XOR分类为例进行验证,仿真结果显示,联合优化方法不仅提高了网络训练速度,还提高了收敛精度,而且比一般的改进方法效果更好,具有一定的实用价值.

关键词：激活函数、学习因子、惯性因子、形状因子

所属期刊栏目：24

分类号：TP183(自动化基础理论)

在线出版日期：2007-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：138-140