数值优化改进的BP网络的模式分类对比

• 作者: 丁硕 巫庆辉 常晓恒
• 来源期刊: 计算机系统应用
• 关键词: 数值优化 BP神经网络 模式分类 泛化能力 对比
• 年，卷（期）: 2014,（5）
• 页码范围: 139-144
• 页数: 6页
• 字数: 5159字
• 语种: 中文

摘要

研究了共轭梯度算法、拟牛顿算法、LM 算法三类常用的数值优化改进算法，基于这三类数值优化算法分别对BP神经网络进行改进，并构建了相应的BP神经网络分类模型，将构建的分类模型应用于二维向量模式的分类，并进行了泛化能力测试，将不同BP网络分类模型的分类结果进行对比。仿真结果表明，对于中小规模的网络而言， LM数值优化算法改进的BP网络的分类结果最为精确，收敛速度最快，分类性能最优；共轭梯度数值优化算法改进的BP网络的分类结果误差最大，收敛速度最慢，分类性能最差；拟牛顿数值优化算法改进的BP网络的分类结果误差值、收敛速度及分类性能介于上述两种算法之间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	巫庆辉	渤海大学工学院	46	413	9.0	18.0
2	丁硕	渤海大学工学院	42	451	11.0	19.0
3	常晓恒	渤海大学工学院	34	306	8.0	16.0