BP神经网络参数改进方法综述

被引：13

作者：

李翱翔

陈健

机构：

[1] 西安电子科技大学通信工程学院

来源：

电子科技 | 2007年 / 02期

关键词：

后向传播算法; 神经网络; 收敛速度; 局部极小;

D O I：

10.16180/j.cnki.issn1007-7820.2007.02.022

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

BP神经网络具有结构简单、技术成熟的优点,在很多领域都有广泛的应用。然而它的两个突出问题——收敛速度慢、易陷入局部极小点,制约了它的应用。针对此问题文中提出的BP网络参数改进方法：①主要通过改进学习率的方法来改善收敛速度；②从选择合适的初始权值,调整网络权值修改量η和动量项α以及改变网络结构、增加训练数据三个方面来克服局部极小点问题。

引用

页码：79 / 82

页数：4

共 11 条

[1] BP网络自适应学习率研究 [J].

龚安 ;

张敏 .

科学技术与工程, 2006, (01) :64-66

[2] 一种改进的BP算法在导弹综合测试专家系统中的应用 [J].

李剑萍 ;

胡光锐 ;

孙逊 .

计算机应用与软件, 2005, (01) :100-102

[3] BP算法局部极小问题改进的研究进展 [J].

张磊 ;

胡春 ;

钱锋 .

工业控制计算机, 2004, (09) :33-34+50

[4] BP网络局部极小产生的原因分析及避免方法 [J].

王越 ;

曹长修 .

计算机工程, 2002, (06) :35-36+82

[5] BP神经网络权值初始值与收敛性问题研究 [J].

杨伟 ;

倪黔东 ;

吴军基 .

电力系统及其自动化学报, 2002, (01) :20-22

[6] BP学习算法的改进与应用 [J].

李敏生 ;

刘斌 .

北京理工大学学报, 1999, (06) :721-724

[7] 前向网络bp算法的改进算法 [J].

向国全 ;

董道珍 ;

董继宏 .

河南大学学报(自然科学版), 1999, (01) :45-49

[8] BP模型中的激励函数和改进的网络训练法 [J].

向国全 ;

董道珍 ;

不详 .

计算机研究与发展 , 1997, (02) :36-40

[9] 一种实用的克服局部极小的BP算法研究 [J].

孙德保，高超 .

信息与控制, 1995, (05) :283-287

[10]

Accelerating the convergence of the back-propagation method[J] . T. P. Vogl,J. K. Mangis,A. K. Rigler,W. T. Zink,D. L. Alkon.Biological Cybernetics . 1988 (4-5)

← 1 2 →