【人工神经网BP算法局部最小问题研究】杨华民.pdf
摘要 反传BP网络是目前应用最多、最直观和最有效的和宰习模骂 从数学上看,BP算法可归纳为-非线性梯度优化问题,因此不可避免地存 在局部最小问题,它使得我们常常得不到期望的结果.为了对BP算法进行理论和应用研究,我们在Windows环境下实际编写！BP模拟器程序,并将其同美国93年版的MATLAB软件进行了比较.结果证 明我们的BP模拟器程序的实用效果要优于MATLAB。在此基础上,我们通 过理论分析和大量计算机模拟实验,探讨了BP算法中相关各因素对算法局部极 小问题上产生的影响,包括:如何更合理地选取初始值、学习率的调整方法、加人冲量、修改作用函数和误差函数对算法,研究分析了模拟退火方
目录 第章绪论 1人工神经网络研究历史 1人工神经网络的定义与结构 1人工神经网络模型 1人T神经网络的学习 1人工神经网络的局限性!1 第二章反传BP网络模型 2BP网络的理论背景 2BP网络结构和数学描述 2BP网络神经元模型 2BP网络结构与数学描述 2BP学习算法 2多层网络BP模似器程序 2BP算法讨论 附:BP模似器程序使用简介 第三章BP算法局部最小问题研究 3关于初始值的选取 3关于学习率 3关于冲量 3关于作用函数和误差函数 3关于模拟退火 3Wasscrman方法 3.
人工神经网络BP算法局部最小问题研究 第一章绪论 1人工神经网络研究历史 长期以来人们对自身大脑的智能一直感到十分惊讶、思索着这种特生能 的奥秘,尽管神经生物学家和解剖学家对它的研究不断取得进展,但缺乏物理 学家所具有的通过严格观察所取得的结论,因此仍使哲学家、生理学家、心理 学家、解剖学家对它的解释存在着许多争论。今天,随着人们对神经元和连接 模型的深人理解,研究者们已经开始在计算机上用数学模型去模拟和测试其性 能并研究其理论,因此,用人脑或其它动物作为实验对象已不是唯一的研究方 法了。