一种快速收敛的改进BP算法的研究

被引:6
作者
王根达
刘贺平
王允建
机构
[1] 北京科技大学信息工程学院
关键词
神经网络; 均方误差; 梯度下降; 快速收敛;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
在分析普通BP算法的基础上提出了一种改进的BP算法(MBP),用以克服普通BP算法收敛速度慢、易陷入局部最小点的缺点。算法的核心是改变Sigmoid函数的微分表达式,加入幂因子S和R,用以提高网络输出误差项在整个目标函数中的相对影响。收敛性分析表明,MBP算法保持了普通BP算法的梯度下降特性,但具有更快收敛速度和更好的收敛精度,并且可跳出局部最小点。通过对一个非线性系统的模型辨识仿真实验,直观上证明了该算法的有效性和可行性。
引用
收藏
页码:161 / 163+172 +172
页数:4
相关论文
共 4 条
[1]   BP网络的一种改进学习方法 [J].
王正武 ;
张瑞平 ;
刘松 .
数学理论与应用, 2005, (01) :31-34
[2]   BP神经网络快速收敛算法研究 [J].
王赟松 ;
褚福磊 ;
何永勇 ;
郭丹 .
农业机械学报, 2004, (06) :182-184
[3]   前馈神经网络中BP算法的一种改进 [J].
孟斌 ;
冯永杰 ;
翟玉庆 .
东南大学学报(自然科学版), 2001, (04) :40-42
[4]  
神经网络控制技术及其应用[M]. 科学出版社 , 何玉彬, 2000