基于随机参数调整的改进反向传播学习算法

被引：25

作者：

贾立山 ^{[1
,2
]}

谈至明 ^{[1
]}

王知 ^{[1
]}

机构：

[1] 同济大学交通运输工程学院

[2] 中国民航大学航空自动化学院

来源：

同济大学学报(自然科学版) | 2011年 / 39卷 / 05期

关键词：

改进BP算法; 随机参数调整; 神经网络; 全局极小; 飞行仿真;

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：

140502 [人工智能];

摘要：

针对BP(反向传播)神经网络学习易陷入局部极小的缺陷,提出了一种改进BP神经网络学习算法——RMBP算法.RMBP算法在学习参数调整中增加了随机性,使其方便地跳出局部极小点,并沿梯度下降方向到达全局极小点.异或问题的学习试验结果表明,RMBP算法较BP学习算法和其他常见的改进BP算法具有学习速度快、学习精度高、资源占用少的优势.最后,结合民航飞机实时飞行仿真系统研究,对一组飞机空气动力参数样本进行了学习,以说明RMBP算法的有效性.

引用

页码：751 / 757

页数：7

共 10 条

[1]

神经网络等智能方法的优化及应用 [D].