共查询到20条相似文献,搜索用时 437 毫秒
1.
前馈网络的一种线性化快速学习算法 总被引:2,自引:0,他引:2
针对前馈神经网络的反向传播(BP)学习算法收敛速度慢的缺点,提出了一种新的学习算法即线性化快速学习算法。这种学习算法在神经网络学习的初期,采用标准BP学习算法。而当神经网络接近最优点时,由于此时其连接权重调节幅度很小,因此采用对各层神经元的非线性作用函数进行泰勒级数展开,并取其一阶展开式近似逼近原函数,从而使其非线性作用函数转化为线性作用函数,简化了网络学习过程的计算量,加速了网络的学习速度。文中最后给出了采用线性化算法与标准BP算法对正弦函数的学习过程。 相似文献
2.
多层神经网络BP算法的改进 总被引:8,自引:0,他引:8
多层神经网络BP算法的改进姚瑞波孙国雄汤崇熙(东南大学机械工程系,南京210018)目前,前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域.BP算法作为其学习方式有效地解决了XOR、T-C匹配问题,但BP网络的学习过程是对一个高... 相似文献
3.
BP网络是目前应用很广的人工神经网络。改善BP网络算法尤其是提高BP网络的学习速度一直是人们研究的重要课题。本文在对BP网络现行算法研究的基础上,提出根据系统误差自适应调节学习率的快速BP算法(FBP),并以棉花棉铃虫预测为例,对两种算法的收敛速度进行了比较。 相似文献
4.
前向网络的两种混合学习策略 总被引:10,自引:0,他引:10
针对前向网络反向传播算法(BP)训练缓慢和易于陷入局部极小的缺点以及反向运算的复杂性,利用BP算法监督学习特点、模拟退火(SA)算法在局部极小处的概率突跳特性和遗传算法(GA)的并行化群体搜索的特点,有效结合BP和SA算法以及GA和SA算法,提出了前向网络的两种混合学习策略即BP&SA混合策略和GA&SA混合策略。以异或问题为例,通过计算机仿真对混合策略与BP、改进BP算法的比较表明混合学习策略较大程度改进了前向网络学习的收敛性能和收敛速度,并一定程度上避免了反向运算的复杂性,是前向神经网络学习的有效算法。 相似文献
5.
作者通过引进神经元增益参数和记忆上一次网络状态改变量的冲量参数,设计了BPGA算法,对标准的BP算法进行了改进,提高了网络的学习速度和收敛性,并与标准的BP算法进行了比较。 相似文献
6.
BP网络是目前应用很广的人工神经网络。改善BP网络算法尤其是提高BP网络的学习速度一直是人们研究的重点课题。本文在对BP网络现行算法研究的基础上,提出根据系统误差自适应调节学习率的快速BP算法(FBP),并以棉花棉铃虫预测为例,对两种算法的收敛速度进行了比较。 相似文献
7.
改进的 BP 算法及其应用研究 总被引:1,自引:0,他引:1
BP网络广泛应用于函数逼近、模式识别和系统辨识,但BP算法收敛速度很慢。为此提出了BP算法的一种新的改进方式,即在误差反向传播时,不仅改变网络的联接权值,也改变神经元模型参数。详细推导了改进BP算法的迭代公式。仿真研究表明,与传统BP算法相比,该算法具有收敛速度快,函数逼近精度高的优点。 相似文献
8.
共轭梯度神经网络的研究 总被引:10,自引:0,他引:10
针对BP人工神经网络存在的两个缺点:(1)局部收敛问题不能很好解决;(2)收敛速度慢,提出应用改进共轭梯度算法建立人工神经网络,以获得共轭梯度网络的全局收敛特性和快收敛速度。计算机仿真结果表明:改进巫轭梯度网络优于BP网络。 相似文献
9.
利用基于神经网络修正误差BP学习算法的多层网络和间接学习或专门学习的动态逆特性控制方法^[1]编制的神经网络控制系统的仿真软件(SCSBNN),给出了调节时间和最大超调量与神经网络中间层节点数的关系曲线,同时给出了各种学习率和神经元作用函数增益的响应曲线。SCSBNN也可用于神经网络非线性控制系统。仿真结果说明神经网络非线性控制系统具有良好的控制性能。 相似文献
10.
分析了BP算法和遗传算法(GenetieAlgorithms,以下简称GA)各自的优缺点,将改进的GA与BP算法相结合,提出了一种新的GA-BP算法,并将其应用于模糊神经网络的参数优化,仿真结果验了本算法的有效性。 相似文献
11.
分析了BP网络存在的主要问题及其产生原因,提出了改进算法BPG,以共轭梯度方向代替梯度方向进行搜索,并在学习过程中采用不精确的一维搜索、限幅和条件轮回等措施.计算机仿真结果表明:改进的BPG算法优于原BP算法. 相似文献
12.
神经网络在梯度功能材料制备中的应用 总被引:1,自引:0,他引:1
针对梯度功能材料(FGM)制备过程的复杂性,提出了利用神经网络信息处理机制进行制备材料的特性预估,实例分析表明,这一方法是有效的,同时,针对BP学习算法速度较慢,易陷入局部极小的缺点,改函数型连接网络来提高学习速度,试验表明学习速度提高显著。 相似文献
13.
基于遗传算法的最优模糊控制器设计 总被引:4,自引:1,他引:3
模糊控制规则集是模糊控制系统的核心部分,对控制的快速性和精度有很大影响,采用改进的GA算法优化BP网络,加快了BP网络的收敛速度,也避免了BP网络易于陷于局部极小的麻烦。用优化的BP网络生成规则集,经过优化的BP网络隐层神经元数减少,即优化了规则库,从而提高系统的精度,降低了对BP网络系统误差的精度要求。 相似文献
14.
一种模糊神经网络的改进学习算法 总被引:8,自引:0,他引:8
针对前人(C.T.Lin, et al. In IEEE Trans OnCom puter, 1991, Vol.40, No.12) 提出的模糊神经网络结构,改进了已有的学习算法,新算法更加简洁有效。利用新算法,可以自动获取模糊规则。通过函数模拟实验,验证了新算法的有效性。提出了网络的分解与综合方法,避免了模糊神经网络用于实际复杂问题时,模糊规则的组合爆炸问题。该模糊神经网络可应用于换热器受热面的结垢过程模拟。 相似文献
15.
介绍了分层网络的基本理论和相关的有效算法反向传播学习算法(B-P算法),并介绍了将神经网络应用于车辆自动行走轨迹优化控制的研究。 相似文献
16.
GA-ANN算法在产品质量估计中的应用 总被引:1,自引:0,他引:1
针对反向传播(BP)算法,径向基函数(RBF)算法的不足,提出了基于遗传算法(GA)确定神经网络构或权值的进化神经网络算法(简称GA-ANN算法)。在产品质量估计仿真研究中表明,该算法不需试凑而取得较好的网络结构和参数。 相似文献
17.
申挺 《暨南大学学报(自然科学与医学版)》1998,19(1):118-123
分析了BP网存在的主要问题及其产生原因,提出了改进算法BPG,以共轭梯度方向代替梯度方向进行搜索,并在学习过程中采用不精确的一维搜索,限幅和条件轮回等措施。 相似文献
18.
一种新型的动态模糊神经网络控制器 总被引:5,自引:0,他引:5
基于前向模糊神经网络ANFIS提出了一种新型的动态模糊神经网络(DFNN),将模糊逻辑,神经网络和PID控制器三者的优点有机地融合在一起。通过在ANFIS的归一化层和输出层之间加入递归层,构成了动态模糊神经网络(DFNN),并推导了基于BP的反传学习算法,与ANFIS和PID控制器相比,DFNN具有更好的控制效果。DFNN的参数具有明确的物理意义,可根据专家的经验选择初值,加快了网络的收敛速度,由 相似文献
19.
本文从人工神经网络中较常用的BP(Back-propagation)算法入手,针对其存在的学习(训练)速度过慢和易陷入误差局部最小的问题,对其算法进行了改进,提出了一种新的可变学习速率(η)的方法.在此基础上,针对常规自适应控制器难于实现且精度较差的问题,把人工神经网络控制器(NNcontroler)应用于自适应控制系统中.计算机仿真证明了改进是有效的. 相似文献
20.
神经网络活化函数的研究及其应用 总被引:2,自引:0,他引:2
潘丹 《华南理工大学学报(自然科学版)》1998,26(4):49-54
通过构造一类新的高效分段活化函数,很好地解决了BP算法学习收敛速度慢的问题,而且提出了一种自适应调整网络参数的新算法,从而大大提高了算法的学习效率和综合性能.文中详细研究了基于改进的BP算法神经网络的实验仿真系统的建模过程,并在精细化工实验方案的分析和优选中获得了令人满意的效果. 相似文献