一种改进的多层感知器神经网络技术

摘要：

多层感知器(multi-layer perceptron networks,MLPN)是一具有多层神经元、前馈、误差反传结构的神经网络,它的学习和预测能力受多方面因素的影响.首先我们从理论证明和数值分析的角度研究了传输函数、神经元的数目、网络层数及网络误差的迭代方式等与MLPN学习和预测能力的关系,对常规的MLPN作了改进;然后结合一个理论模型分析的例子,讨论了改进的MLPN对非线性函数的学习能力;最后,以某地野外磁测数据的去噪为实例,将本文介绍的神经网络技术用于插值,从而达到去噪的目的.从理论和应用两方面证明了以随机全局优化方法更新网络权值的改进MLPN具有良好的学习和预测能力.

关键词：多层感知器、全局优化、地球物理数据处理

所属期刊栏目：39

分类号：TP18(自动化基础理论)

在线出版日期：2005-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：107-116,106