BP神经网络的优化研究与应用

• 作者: 刘尚东 潘文婵
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: BP神经网络 学习率 均方误差 深度学习
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 74-76,101
• 页数: 4页
• 分类号: TP183
• 字数: 3080字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.05.016

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘尚东	南京邮电大学计算机学院	12	40	4.0	6.0
2	潘文婵	南京邮电大学计算机学院	9	72	5.0	8.0