10.3969/j.issn.1006-9348.2010.12.043
改进的BP神经网络算法及其应用
研究提高神经网络算法的快速性和稳定性问题,针对BP算法收敛速度慢且易陷入局部极小值的缺点,分析了一般改进算法在神经网络结构优化过程中存在的问题,并根据遗传算法的特点,提出了一种改进的基于压缩映射遗传的BP神经网络优化方法.算法通过引入泛函分析中的压缩映射原理,不但解决了BP算法收敛速度慢且易陷入局部极小值的缺陷,加快了BP网络的收敛速度,而且还弥补了BP神经网络在学习过程中与网络连接权值初值选择密切相关的不足.与传统的BP算法相比,训练步数减少了17.4387%,训练时间节省了8.2774%.实验结果表明改进的方法取得了良好的效果,可应用于实践中.
神经网络、反向传播算法、压缩映射、优化、适应度
27
TP183(自动化基础理论)
国家自然科学基金资助项目50675189;河北省自然科学基金F2006000267
2011-04-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
172-175