BP网络学习算法改进方案的探析

• 作者: 朱双东 艾智斌 阎夏
• 来源期刊: 石油化工高等学报
• 学科: 工学
• 关键词: 人工神经网络 BP算法 收敛速度 局部极小
• 年，卷（期）: 1999,（3）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 77-81
• 页数: 5页
• 分类号: TP183
• 字数: 4459字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-396X.1999.03.017

摘要

BP网络是目前应用最为广泛的神经网络,但由于BP网络采用的是梯度下降法,这就不可避免地会出现网络学习收敛速度慢及容易陷入局部极小等问题.此外,学习因子和惯性因子选取对网络的收敛有较大的影响,但它们只能凭经验确定.因此,BP网络的有效应用受到了一定的限制.针对BP网络的学习收敛速度慢这一主要缺陷,对改进激励函数、改进误差函数、改进一般化误差、学习因子和惯性因子的自适应调整、梯度下降法与直接搜索法相结合、全局优化、非线性优化、拓仆修正算法等多种改进方案按改进原理进行了分类综述,并在此基础上,通过解决XOR问题的仿真实验对部分改进方案进行实验性评价,分析说明了它们的优劣和特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱双东	抚顺石油学院自动化系	3	115	2.0	3.0
2	艾智斌		1	32	1.0	1.0