ＢＰ神經網絡算法的改進及收斂性分析
2007-01-01 00:00:00謝立春
計算技術與自動化 2007年3期
摘 要：研究BP神經網絡的數學理論，詳細分析幾種流行的BP神經網絡學習算法的優缺點。針對一般BP算法收斂速度慢，易陷入局部極小值的缺陷，受Fletcher-Reeves線性搜索方法的指引，提出基于改進共軛梯度擊的BP算法。從理論方面對算擊進行深入的分析，介紹算去的詳細思路和具體過程。并將算法訓練后的BP神經網絡運用到函數逼近中去。仿真結果表明，這種改進方案確實能夠改善算法在訓練過程中的收斂特性，而且提高收斂速度，取得令人滿意的逼近效果。
關鍵詞：網絡算法；BP神經網絡；共軛梯度法
中圖分類號：TP183 文獻標識碼：A
