共查询到18条相似文献,搜索用时 375 毫秒
1.
一种基于放大误差信号的自适应BP算法 总被引:1,自引:0,他引:1
针对标准BP算法受饱和区域影响而导致收敛速度慢的问题,提出一种基于放大误差信号的自适应BP算法,该算法通过修改激励函数的导数,使权值的修正过程不会因饱和区域而趋于停滞,并分析了改进算法的收敛性。仿真结果表明,改进的BP算法加快了收敛速度,并在一定程度上提高了全局收敛能力。 相似文献
2.
基于最优化理论,提出了基于新拟牛顿方程的改进拟牛顿算法训练BP神经网络.改进算法使用了一组新型的Hesse矩阵校正方程,使得改进拟牛顿算法具有全局收敛性和局部超线性收敛性.该文将改进的拟牛顿算法与BP神经网络权值的训练结合,得到一种新的BP神经网络权值的训练算法.与传统的神经网络权值学习的拟牛顿算法比较而言,采用改进算法的神经网络的收敛速度明显加快.改进算法能有效解决BP神经网络收敛速度慢的缺陷,显著提高了BP神经网络的学习训练收敛速度和学习精度. 相似文献
3.
4.
王燕 《计算机工程与科学》2008,30(4):50-52
本文介绍了利用BP神经网络来识别手写体数字的原理,分析了传统BP算法收敛速度较慢的原因,提出了一种提高网络收敛速度的改进算法。实验数据表明,该改进算法比传统的算法在网络收敛速度上提高了九倍左右。 相似文献
5.
6.
7.
针对于BP神经网络预测模型,收敛速度慢,精度较低,容易陷入局部极小值等缺点,提出了一种改进粒子群优化BP神经网络预测模型的算法。在该算法中,粒子群采用改进自适应惯性权重和改进自适应加速因子优化BP神经网络预测模型的初始权值和阈值,然后训练BP神经网络预测模型并预测。将该算法应用到几个典型的混沌时间序列预测。实验结果表明,该算法明显提高BP神经网络预测模型的收敛速度和预测模型的精度,减少陷入局部极小的可能。 相似文献
8.
人工蜂群算法是模拟蜜蜂采蜜行为而提出的一种新的启发式仿生算法,属于典型的群体智能算法。提出了一种改进的人工蜂群算法,并利用改进后的人工蜂群算法来优化传统BP算法(神经网络算法中的误差方向传播算法)中网络参数的权值。实验结果证明该优化算法提高了BP神经网络收敛解的精度,加快了BP神经网络收敛速度。 相似文献
9.
王雅芳 《自动化与仪器仪表》2007,(6):77-80
介绍BP神经网络结构和学习方法,针对误差反向传播神经网络模型学习收敛速度慢、容易陷入局部极小点等缺点,本文对BP网络模型进行了改进。对原始数据采用非线性的归一化函数,提出一种更加有效的学习率改进算法,提高了网络的收敛速度,采用了一种新的权值及阈值初始化方法,以避免训练时误差陷入局部极小解,并对改进BP算法与传统的BP算法进行比较,验证了该算法的优越性。 相似文献
10.
一种基于NFCS形态的模糊神经网络的学习算法 总被引:3,自引:1,他引:3
彭志平 《计算机研究与发展》2002,39(11):1436-1441
神经网络与模糊逻辑协同系统(NFCS)是神经网络与模型系统深度融合的一种形态,传统的BP算法也可作为NFCS的学习算法,但收敛性能不佳,针对NFCS形态的模糊神经网络提出了BP算法的一种新的改进算法(NFCS-BP),即在误差传播时不仅改变网络的连接权值,同时也改变模糊逻辑神经元模型的补偿参数,首先介绍了NFCS的协同机制和典型结构,然后详细推导了改进算法的迭代公式,实践证明,与传统BP算法相比,该算法具有收敛性能好,函数逼近精度高的优点。 相似文献
11.
Magnified gradient function with deterministic weight modification in adaptive learning 总被引:7,自引:0,他引:7
Sin-Chun Ng Chi-Chung Cheung Shu-Hung Leung 《Neural Networks, IEEE Transactions on》2004,15(6):1411-1423
This work presents two novel approaches, backpropagation (BP) with magnified gradient function (MGFPROP) and deterministic weight modification (DWM), to speed up the convergence rate and improve the global convergence capability of the standard BP learning algorithm. The purpose of MGFPROP is to increase the convergence rate by magnifying the gradient function of the activation function, while the main objective of DWM is to reduce the system error by changing the weights of a multilayered feedforward neural network in a deterministic way. Simulation results show that the performance of the above two approaches is better than BP and other modified BP algorithms for a number of learning problems. Moreover, the integration of the above two approaches forming a new algorithm called MDPROP, can further improve the performance of MGFPROP and DWM. From our simulation results, the MDPROP algorithm always outperforms BP and other modified BP algorithms in terms of convergence rate and global convergence capability. 相似文献
12.
为了解决传统BP(back-propagation)算法收敛速度慢,训练得到的网络性能较差的问题,在借鉴生理学中"选择性注意力模型"的基础上,将遗传算法与误差放大的BP学习算法进行了有机的融合,提出了基于注意力模型的快速混合学习算法.该算法的核心在于将单独的BP训练过程划分为许多小的切片,并对每个切片进行误差放大的训练和竞争淘汰机制的选择.通过发现收敛速率较快的个体和过滤陷入局部极值的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真结果表明,该算法有效地解决了传统BP算法中由于初始权值的随机性造成的训练失败问题,并能有效解决饱和区域引起的后期训练缓慢问题,在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.这将使神经网络在众多实际的分类问题上具有更广泛的应用前景. 相似文献
13.
14.
基于数值优化的改进BP算法在旋转机械故障诊断中的应用 总被引:4,自引:0,他引:4
机械设备的安全运行对企业的现代化生产至关重要,因而对故障机械的诊断近年来受到了普遍关注,而神经网络具有分辨原因及故障类型的能力,在故障诊断领域中得到了广泛应用.本文针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种基于数值优化方法的改进BP算法,应用改进的BP算法对旋转机械故障进行诊断研究,结果表明,加快了网络的收敛速度.证明该算法比BP算法精度更高且收敛速度更快. 相似文献
15.
针对标准BP算法存在全局搜索能力弱和易陷入局部极小点等缺点,将遗传算法与BP神经网络相结合,构造了一种新的进化神经网络GA-BP算法,并将该算法应用于无刷直流电机调速系统的控制,仿真结果表明,与传统的PI控制系统相比,该算法得出的电机控制曲线几乎无超调,与基于BP算法的速度控制系统相比较,具有收敛速度快、不易陷入局部极小的优点。 相似文献
16.
The slow convergence of back-propagation neural network (BPNN) has become a challenge in data-mining and knowledge discovery
applications due to the drawbacks of the gradient descent (GD) optimization method, which is widely adopted in BPNN learning.
To solve this problem, some standard optimization techniques such as conjugate-gradient and Newton method have been proposed
to improve the convergence rate of BP learning algorithm. This paper presents a heuristic method that adds an adaptive smoothing
momentum term to original BP learning algorithm to speedup the convergence. In this improved BP learning algorithm, adaptive
smoothing technique is used to adjust the momentums of weight updating formula automatically in terms of “3 σ limits theory.”
Using the adaptive smoothing momentum terms, the improved BP learning algorithm can make the network training and convergence
process faster, and the network’s generalization performance stronger than the standard BP learning algorithm can do. In order
to verify the effectiveness of the proposed BP learning algorithm, three typical foreign exchange rates, British pound (GBP),
Euro (EUR), and Japanese yen (JPY), are chosen as the forecasting targets for illustration purpose. Experimental results from
homogeneous algorithm comparisons reveal that the proposed BP learning algorithm outperforms the other comparable BP algorithms
in performance and convergence rate. Furthermore, empirical results from heterogeneous model comparisons also show the effectiveness
of the proposed BP learning algorithm. 相似文献
17.
基于回归神经网络自适应快速BP算法 总被引:3,自引:0,他引:3
动态递归网络Elman网络结构简单,运算量少,适合于实时系统辨识。以Elman网络结构推导了在线学习算法。针对于传统BP算法会产生局部收敛和收敛速度慢等缺点,提出了一种改进的自适应BP算法,运用到回归神经网络,提高了在线学习的速度与收敛速度,仿真实验表明了此算法的有效性和快速性。 相似文献