基于样本期望训练数的BP神经网络改进研究

• 作者: 李志俊 程家兴 金奎 饶玉佳
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 神经网络 BP算法 样本期望训练数 收敛速度
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 智能、算法、系统结构
• 页码范围: 103-106
• 页数: 4页
• 分类号: TP183
• 字数: 3079字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.05.030

摘要

BP算法是神经网络中最常用的算法之一.标准BP算法存在的最主要问题就是易于陷入局部极小、收敛速度慢等问题.针对BP算法的这些问题,出现了许多改进的措施,如引入变步长法、加动量项法等.提出了一种基于样本期望训练数的改进BP算法,仿真实验说明了该算法可以明显提高BP网络学习速度,并且具有简单通用性,可以和其他方法结合,进一步提高算法的收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程家兴	安徽大学计算智能与信号处理教育部重点实验室	93	1344	17.0	35.0
2	李志俊	安徽大学计算智能与信号处理教育部重点实验室	5	37	3.0	5.0
3	金奎	安徽大学计算智能与信号处理教育部重点实验室	2	7	1.0	2.0
4	饶玉佳	安徽大学计算智能与信号处理教育部重点实验室	3	10	2.0	3.0