如需要完整文档点击下方 "点击下载文档" 按钮

针对 BP 神经网络自身的一些局限性,诸如易陷于局部极小、网络收敛速度慢、训练时间长等,提出一种改进 BP 神经网络的研究方案,通过改变传统的固定学习率,引入动态变化,根据均方误差的变化而改变学习率。 在误差曲面平坦区域增大学习率,在误差变化剧烈的区域减小学习率,从而加快算法的收敛速度,避免陷入局部极小值。 文中在传统 BP 神经网络中使用动态学习速率,并融合参数可调激活函数来改进 BP 神经网络。 采用公认完备、性能优异的 KDD Cup99 数据集,分别对改进算法和传统 BP 算法进行了对比实验。 实验结果表明,与传统 BP 神经网络算法相比,改进算法极大地提高了训练速度,具有训练误差更小、预测精度更高的优点。

如需要完整文档点击下方 "点击下载文档" 按钮

《BP神经网络的优化研究与应用》

将 完整文档 下载到本地，方便收藏和查阅

文件号：062107

点击下载文档