未来智讯 > 神经网络论文 > BP人工神经网络的新型算法

BP人工神经网络的新型算法

发布时间:2019-01-11 01:06:01 文章来源:未来智讯    
    BP人工神经网络的新型算法作者:未知   摘要:在BP神经网络现有算法的基础上提出一种新的算法,该算法的基本原理是任选一组自由权,通过解线性方程组求得隐层权,将选定的自由权与求得的权合在一同,就得到所需的学习权值。该算法不存在传统方法的部分极小及收敛速度慢的问题。
  关键词:神经网络;MATALB仿真;新BP算法
  中图分类号:TP183 文献标识码:A 文章编号:1009-3044(2009)05-1197-02
  BP Artificial Neural Network's New Algorithm
  SONG Shao-yun, ZHONG-tao
  (Yuxi Normal University, School of Information Technology and Engineering, Yuxi 653100, China)
  Abstract: The BP neural networks algorithm presented in this paper is based on the existing algorithm, which basic principle is choosing a freedom weight, by solving the linear equations to achieve hidden layer, combination freedom weight, then obtain weight is necessary weight. This algorithm hasn't the traditional method such as the local minimum and the slower rate of convergence in BP neural networks algorithm.
  Key words: neural network; MATALB simulation; new BP algorithm
  
  1 引言
  
  BP人工神经网络实际上是通过梯度降落法来修正各层神经元之间的权值,使误差不时降落以达到期望的精度。从性子上讲,这种计算过程是一种迭代过程,迭代算法一般都与初值的选择亲密相关,如初值选择的好,则收敛速度快,如初值选择不好,则收敛速度慢或根本不收敛。当选取梯度降落算法调整权值时,不可避免地存在陷入部分极小的问题。只管很多文献都报道了各种各样的改进方法来加快收敛速度,如变学习率,加惯性项(也称动量项)等方法。但是,由于这些方法都由于迭代及优化的基本思维,不可能从根本上解决对初值的依赖性及部分极小问题。
  
  2 BP网络结构及参数假如
  
  考虑三层结构的BP网络,如图1所示。网络参数假如如下:1)样本数量:k个;2)输入节点:n个;3)隐层神经元:v个;4)输出层神经元:m个;5)输入向量:xp;6)隐层加权和向量:nethp;7)隐层输出向量:hp;8)输出层加权和向量:netvp;10)教师向量:tp。
  其中:p=1,2,3,…,k。输入层与隐层、隐层与输出层的权矩阵分辨为:

转载请注明来源。原文地址:https://www.7428.cn/page/2019/0111/78736/
 与本篇相关的热门内容: