LM算法改进的BP网络在模式分类中的应用研究

• 作者: 丁硕 巫庆辉 常晓恒 杨友林
• 来源期刊: 电子测试
• 关键词: LM算法 算法改进 BP神经网络 模式分类 泛化能力
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 理论与算法
• 页码范围: 33-35,19
• 页数: 4页
• 字数: 2379字
• 语种: 中文

摘要

针对标准BP算法在进行模式分类时，存在收敛速度慢和易陷入局部极小值等缺陷，采用LM (Levenberg-Marquart)算法对标准BP算法进行改进，分别构建了LM-BPNN和标准BPNN分类模型并对平面上二维向量模式的分类，并进行了泛化能力测试。仿真结果表明，在训练样本数量相等且中小规模网络的条件下，LM-BPNN的收敛速度明显加快，训练准确性和分类精度也明显优于标准BPNN，有效克服了标准BPNN收敛速度慢、易陷入局部最小值的缺点。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨友林	渤海大学工学院	20	161	7.0	12.0
2	巫庆辉	渤海大学工学院	46	413	9.0	18.0
3	丁硕	渤海大学工学院	42	451	11.0	19.0
4	常晓恒	渤海大学工学院	34	306	8.0	16.0