神经网络中误差反转算法的分析与改进

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。     

前馈神经网络中BP算法的一种改进

在传统的BP算法基础上,提出了一种改进的BP学习算法,先加入描述网络复杂性的量,使算法能够考虑到网络的连接复杂性,进而有可能删除掉冗余的连接甚至节点;接着提出对网络的学习步长的动态调整,以此来尽量避免传统学习中的学习速度过慢和反复震荡;然后给出新的算法是高阶非线性收敛的证明;最后通过实验说明的新的BP算法在一定程度上可减少网络的复杂性,有着比传统算法更快的收敛速度。     

关于对BP神经网络算法改进的研究

为了减小标准BP算法中迭代次数并提高其收敛速度，现提出将负梯度下降法与DFP变尺度算法相结合进行权值修正的方法．在误差寻优初期，首先采用标准BP算法进行迭代，每迭代一次的工作量较小、所需存贮量较少，义对初始点的要求不高．然后，当寻优过程开始接近最优时，更改寻优算法，即使用DFP变只度算法．最后，运用MATLAB工具箱和VisualBasic实现算例．实验结果表明；改进后的BP算法减少了迭代次数，提高了寻优的收敛速度．     

一种改进的可变学习速率的BP神经网络算法

针对可变学习速率反向传播算法(VLBP)对误差曲面变化不敏感而且收敛慢等不利因素,提出一种改进的可变学习速率反向传播算法(IVLBP),通过引入均方误差增加量和减小量两个阈值参数,使得学习算法对误差曲面变化敏感且收敛速度快.最后,通过对VLBP和IVLBP算法的仿真比较证明了IVLBP算法的有效性.     

基于MATLAB下的改进BP算法

利用MATLAB下的神经网络工具箱,针对标准BP网络存在的局部极小、收敛速度慢等不足,通过启发式学习和改进优化算法两种不同的途径,介绍了三种改进方案.仿真结果表明改进方案的有效性,并提出了它们各自适用的场合.     

多层神经网络的一种有效算法

提出了一种新的训练多层神经网络的适应性共轭梯度学习算法。理论分析和仿真结果证明，它在模式识别领域里是一种可行和有效的算法，而且其识别能力优于传统的BP算法，收敛速度也比BP算法快。     

基于反向传播神经网络的入侵检测算法

讨论了多层神经网络算法缺陷,提出了一种基于改进反向传播(Back Propagation,BP)的快速入侵检测算法--IBP算法:在BP算法中的梯度下降算式中,加入一个动量项α[ω(t)-ω(t-1)],改善计算神经元 j到神经元i的级联权值;采用学习速率可变的策略;算法训练网络时采用批处理的样本输入方式.改进后的算法选取较大的学习速率η=0.5和η=0.65,并采用3层神经网络的结构,输入、输出样本是16维和15维,各进行100次独立仿真实验,结果证明可加快算法收敛速度,另外,仿真实验还证明:改进后的算法对初始权值的敏感性、网络所表现出的稳定性等都比传统算法性能优越.     

多层神经网络的一种有效算法

提出了一种新的训练多层神经网络的适应性共轭梯度学习算法。理论分析和仿真结果证明 ,它在模式识别领域里是—种可行和有效的算法 ,而且其识别能力优于传统的BP算法 ,收敛速度也比BP算法快     

改进的 BP 算法及其应用研究

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。     

BP算法的改进

针对多层神经网络中由于隐含层神经元饱和而引起的局部极小值问题,提出一种改进的BP算法.每一种训练模式在隐含层的神经元都采用各自的传递函数,该改进算法的思想是当网络输出没有取得期望的结果时,修改传递函数以防止隐含层神经元饱和,这种改进的算法既不用改变网络的拓扑结构,也不会消耗更多的计算时间.     

基于步长优化和共轭梯度法的改进BP算法

本文针对传统ＢＰ算法存在的两个常见问题进行了讨论，提出了基于步长优化和共轭梯度法的改进ＢＰ算法。新的算法避免了目前由人为经验确定迭代步长的缺陷，并能有效克服局部极小值。这样可使网络加快收敛，稳定性变好。     

浅析BP神经网络算法的改进和优化

本文冀要地介绍了BP神经网络的缺点。着重强调了BP神经网络的算法改进,并且,利用Matlab仿真了各种改进算法的学习速度,从结果看改进后的BP神经网络能较好地解决针BP算法学习速度慢的缺点。     

改进传统BP算法提升机动车牌照字符识别性能

BP算法已广泛应用在机动车牌照识别系统中,但如何进一步提高车牌识别的速度和准确率是车牌识别系统最根本的问题。本文针对标准BP算法的不足,提出通过对作用函数进行修正、自适应调整迭代过程步长进行BP算法改进,对比分析改进前后BP算法在车牌识别技术中的应用,显示改进后的算法具有收敛速度快、识别时间短、识别率高等方面的优点,识别性能得到了很大优化。     

基于神经网络控制的共轭梯度法

共轭梯度法中搜索步长是通过某种搜索策略得到,许多情况下的收敛速度较慢.为了加快其收敛速度,提出了通过引入具有“先验知识“的神经网络对共轭梯度算法中的搜索步长进行控制.实验结果表明,该模型实现的共轭梯度法对于加快收敛速度有效.     

改进 BP 反传算法在智能控制系统中的应用

在一般的基于神经网络的智能ＰＩＤ控制基础上，针对受控模型参数、系统设定值以及扰动幅值在大范围内变化的情况，探讨并建立了ＢＰ反传算法学习速率与受控模型参数、系统设定值以及扰动幅值的关系，神经网络控制器可在线调整学习速率，使控制系统具有较强的适应能力和较好的调节品质．     

Modified Levenberg-Marquardt algorithm for source localization using AOAs in the presence of sensor location errors

In this paper,by utilizing the angle of arrivals （AOAs） and imprecise positions of the sensors,a novel modified Levenberg-Marquardt algorithm to solve the source localization problem is proposed.Conventional source localization algorithms,like Gauss-Newton algorithm and Conjugate gradient algorithm are subjected to the problems of local minima and good initial guess.This paper presents a new optimization technique to find the descent directions to avoid divergence,and a trust region method is introduced to accelerate the convergence rate.Compared with conventional methods,the new algorithm offers increased stability and is more robust,allowing for stronger non-linearity and wider convergence field to be identified.Simulation results demonstrate that the proposed algorithm improves the typical methods in both speed and robustness,and is able to avoid local minima.     

前向网络bp算法的改进算法

进一步研究ｂｐ算法,给出了一个以“逐步增加训练数据和隐节点”为特征的避开局部极小的改进方法,建议了一个可控制的前向网络ｂｐ模型。     

基于共轭梯度法的函数优化混合遗传算法

综合遗传算法的全局搜索能力和共轭梯度法的局部搜索能力,提出了一种混合算法,该算法具有全局最优性和收敛性。同时,数值仿真表明算法是有效的。     

BP算法中误差函数的改进

在BP算法中，误差函数不能有效地表征样本学习的误差程度，从而降低了学习的效果，本文提出了一种对误差函数的改进方案用以降低实际输出和期望输出的误差程度，计算机模拟表明效果良好。     

改进BP反传算法在智能控制系统虽的应用

在一般的基于神经网络的智能ＰＩＤ控制基础上，针对受控模型参数，系统设定值以及扰动幅值在大范围内变化的情况，探讨并建立了ＢＰ反传算法学习速率与受控模型参数，系统设定值以及扰动幅值的关系，神经网络控制器在在线调整学习速率，使控制系统具有较强的适应能力和较好的调节品质。