基于权值变化的BP神经网络自适应学习率改进研究

摘要：

针对传统神经网络的学习率由人为经验性设定,存在学习率设置过大或过小,容易导致无法收敛或收敛速度慢的问题,本文提出基于权值变化的自适应学习率改进方法,改善传统神经网络学习率受人为经验因素影响的弊端,提高误差精度,并结合正态分布模型与梯度上升法,提高收敛速度.本文以BP神经网络为例,对比固定学习率的神经网络,应用经典XOR问题仿真验证,结果表明本文的改进神经网络具有更快的收敛速度和更小的误差.

关键词：神经网络、自适应学习率、正态分布模型、梯度上升法、XOR问题

所属期刊栏目：27

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：205-210