一种改进BP算法及其在滚动轴承故障诊断中的应用

被引:7
作者
王太勇
商同
任成祖
刘兴荣
机构
[1] 天津大学
[2] 河北工业大学
关键词
前向型神经网络; 动力系统; Jacobian矩阵; 局部极小; 特征值;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
摘要
分析了前向型神经网络动力系统模型 ,根据该模型的特点提出了能够克服传统 BP算法学习速度慢、容易陷入局部极小的新算法。改进后的算法用于滚动轴承故障诊断 ,试验结果表明 ,该算法可以有效缩短网络在训练过程中滞留于局部极小区域的时间 ,大大提高网络的学习速度
引用
收藏
页码:99 / 101+7
页数:4
相关论文
共 4 条
[1]  
Dynamics of Multilayer Networks in the Vicinity of Temporary Minima. Nikolaos Ampazis,Perantonis S J,Taylor J G. Neural Networks . 1999
[2]  
Analysis of Gradient Descent Learning Algorithms for Multilayer Feedword Neural Networks. Guo H,Gelfand S B. IEEE Transactions on Circuits and Systems . 1991
[3]  
Accelerating Neural Networks Training Using Weight Extrapolations. Kamarthi S V,Pittner S. Neural Networks . 1999
[4]  
A Global Learning Algorithm for a RBF Network. ZHU Qiuming,CAI Yao,LIU Luzheng. Neural Networks . 1999