BP神经网络收敛性问题的改进措施.pdf

BP神经网络收敛性问题的改进措施.pdf

ID:52689867

大小:224.73 KB

页数:5页

时间:2020-03-29

BP神经网络收敛性问题的改进措施.pdf_第1页
BP神经网络收敛性问题的改进措施.pdf_第2页
BP神经网络收敛性问题的改进措施.pdf_第3页
BP神经网络收敛性问题的改进措施.pdf_第4页
BP神经网络收敛性问题的改进措施.pdf_第5页
资源描述:

《BP神经网络收敛性问题的改进措施.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第24卷第l期重庆交通学院学报2005年2月Vol.24No.lJOURNALOFCHONGOINGJIAOTONGUNIVERSITYFeb.,2005!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!BP神经网络收敛性问题的改进措施"贺清碧,周建丽(重庆交通学院计算机及信息工程学院,重庆400074)摘要:BP算法现在已成为目前应用最广泛的神经网络学习算法,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用,但存在收敛较慢问题.笔者在文中简述了BP算

2、法原理,针对BP算法的收敛性问题,提出了几点改进措施.关键词:BP神经网络;BP算法;收敛性中图分类号:TPl83文献标识码:A文章编号:l00l-7l6X(2005)0l-0l43-03人工神经网络是由众多的神经元经可调的连接权值连接而成.它具有大规模并行处理、分布式信息存储、良好的自组织自适应性,并具有很强的学习能力.在人工神经网络的实际应用中,BP算法是神经网络众多算法中应用最为广泛的一种,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用.其结构简单,可操作性强,能模拟任意的非线性输入输出关系.据统计有近90%的神经网络

3、应图l典型的三层前馈网络模型用是基于BP算法的.但它存在学习收敛速度慢、容lI-lpp2Epl=!(tll-yll)易陷入局部极小点而无法得到全局最优解、且对初2l=0始权值的选取很敏感等缺点.基本的BP算法应用对于p个样本学习,其总误差为:于大多数实际问题时都显示太慢,训练将花去数天lpI-lpp2E总=!!(tll-yll)2p=ll=0甚至数星期的机时.所以收敛性问题成为BP算法l采用梯度法,通过每次调整的增量"W、"W'的实出问题.针对此问题,目前国内外已有不少人对ijikBP网络进行了大量的研究[l~5].本文在众人研究使总的误差

4、向减小的方向变化,直到满足一定的条上,针对BP算法的收敛性问题提出了几点改进措件.通过解算,第I0+l次与第I0次的关系为:p施.pplW'i(kI0+l)=W'(jkI0)+#!$jklx'j,p=llBP算法l{pppBP网络的学习算法称为反向传输算法(Back-W(ijI0+l)=W(ijI0)+#!$jklxjl,p=llProgagation),即BP算法,是一种有教师的学习算法.ppppp$jkl=(tll-yll)yl(ll-yll)图l是一典型的三层前馈网络.I-lpppp若输入学习样本为p个,xl,x2,⋯,xp已知与$j

5、kl=!$jklW'jkx'j(ll-x'jl)k=0l2ppp其对应的教师为t,t,⋯,t,学习算法是用实际的式中,$l,$l称为等效误差分量;为学习速率.由jkjk#l2pl2p输出y,y,⋯,y与t,t,⋯,t的误差来修改其连上式显示,误差逆向传播,故有BP(Backii接权和阈值,使y与要求的t尽可能地接近.第plpropagation)名称.权值的修改过程是一个迭代过pl个样本输入到图l的网络中,得到yl,l=0,l,⋯,I程,即-l,其误差为各输出单元误差之和:"收稿日期:2004-03-08作者简介:贺清碧(l970-),女,

6、重庆涪陵人,讲师,主要方向:神经网络,数据挖掘,算法与应用.I44重庆交通学院学报第24卷p权和的结果使AW(I)减小,因而起到了稳定作W,(I+I)=W,(I)+plx,plij0jk0jk0jkjp=Il用.{pW(I+I)=W(I)+plxpl2.3变步长法jk0jk0jkjp=Il变步长法的基本思想为:先设一初始步长,若一pBP算法特点就是在反向传播等效误差量ll次迭代后误差函数增大,则将步长乘以小于I的pp时,l地位相似于正向传播中的输出yl,因此给计ll常数,沿原来方向重新计算下一个迭代点;若一次迭算带来了很大方便.BP算法如下

7、进行:代后误差函数减少,则将步长乘以小于I的常数.(I)正向传播,计算输出和总误差E;假设传统的BP算法权值修正公式为p(2)反向传播误差l,计算AW;lijG(I0)AW=W(ijI0+I)=W(ijI0)+(3)修改权值W,然后回到(I)循环往复,直到GW(ijI0)ij达到E的最小值点,实际计算中,常常给E规定一(I)个界限,当E达到这一界限时,计算便终止.该公式中学习步长是一个固定值,若在0-I内取值,算法将导致不收敛,若步长过小,收敛速度2BP网络存在的收敛性问题及几点太慢,而步长过大,又会使误差函数值不下降,导致改进措施算法不收

8、敛.针对这一固定学习步长存在的弊端,在BP算法是一种有效的学习算法,很实用,在工利用误差变化率的变步长算法中,学习步长是一个业控制如DC-DC变换器的智能控制、语音识别、图变化量

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。