共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
3.
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
4.
借助于计算机控制技术中PID增量式控制算法中“加速对给定值变化的响应”思想来改进传统的BP神经网络算法。经过网络训练之后,应用其进行车牌字符识别。实验表明改进后的神经网络收敛速度和精度方面都有所提高,能提高字符识别的速度与精度。 相似文献
5.
模式识别包含了两个方面的内容:样本训练和样本识别。而样本识别的前提则是样本训练,当然训练样本多并具有代表性当然好,但并非越多越优。重要的是在训练神经网络的过程中,权值、阈值等各个参数应如何确定才有利于训练的效率。正是针对使用一组简单样本对神经网络进行训练,并且采用变化参数值的方法观察其训练效果,从而得出不同的输出结果,以及曲线分析图。进而进行对比总结,找出最优的参数设置。而且实验方法和结论有利于应用于其他识别系统的开发。 相似文献
6.
本文针对标准BP算法的不足给出了改进算法—Scaled Conjugate Gradien(tSCG算法),利用Matlab语言编制了BP网络的应用实例仿真程序。结果表明SCG算法的学习收敛速度大大地优于标准BP算法。 相似文献
7.
模式识别包含了两个方面的内容:样本训练和样本识别。而样本识别的前提则是样本训练,当然训练样本多并具有代表性当然好,但并非越多越优。重要的是在训练神经网络的过程中,权值、阈值等各个参数应如何确定才有利于训练的效率。正是针对使用一组简单样本对神经网络进行训练,并且采用变化参数值的方法观察其训练效果,从而得出不同的输出结果,以及曲线分析图。进而进行对比总结,找出最优的参数设置。而且实验方法和结论有利于应用于其他识别系统的开发。 相似文献
8.
9.
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
10.
为提高大样本集情况下BP神经网络的训练效率,提出了一种基于局部收敛权阵进化的BP神经网络MapReduce训练方法,以各Map任务基于其输入数据分片训练产生的局部收敛权阵作为初始种群,在Reduce任务中通过种群进化,选取适应度最高的权阵作为Map任务下一轮训练的初始权阵,直至该权阵对所有输入数据分片收敛。实验结果表明,与现有方法相比,该方法可有效避免MapReduce训练BP神经网络时容易陷入局部收敛的问题,并大大减少训练时间。 相似文献
11.
针对传统的AdaBoost算法中,存在的噪声样本造成的过拟合问题,提出了一种基于噪声检测的AdaBoost改进算法,本文称为NAdaBoost(nois-detection AdaBoost). NAdaBoost算法创新点在于针对传统的AdaBoost算法在错误分类的样本中,噪声样本在某些属性上存在很大差异,根据这一特性来确定噪声样本,再重新使用算法对两类样本进行分类,最终达到提高分类准确率的目的. 本文对二分类问题进行实验结果表明,本文提出的算法和传统的AdaBoost算法,以及相关改进的算法相比,有较高的分类准确率. 相似文献
12.
赵永标 《数字社区&智能家居》2007,2(6):1390-1391
在自适应学习率算法的基础上提出一种新的BP网络改进算法——分层自适应学习率附加动量项算法。仿真结果表明该算法较之自适应学习率算法能进一步提高网络的学习速度。 相似文献
13.
拷贝数变异是一种主要的基因组结构变异形式,会导致基因组区域中出现大小不等的扩增或缺失。针对现有拷贝数变异检测算法受GC含量偏差、测序误差等因素影响而导致检测能力低的问题,提出了一种基于遗传算法优化的BP神经网络拷贝数变异检测算法。该算法充分考虑基因组相邻位置之间的内在相关性,融合多个特征,并使用BP神经网络解决各个特征之间的联合作用以预测CNV;针对现有的BP神经网络模型存在的问题,利用遗传算法优化BP神经网络的权值和阈值,以提高该算法的CNV检测性能。实验结果表明,该算法对不同测序覆盖深度和肿瘤纯度共300个样本的平均检测灵敏度、平均检测精度和平均[F1]评分分别为97.27%、97.78%和97.53%,均优于其他几种算法,且能够显著降低样本边界偏差值。 相似文献
14.
主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域使用广泛的两种特征抽取方法.本文针对两种方法的不足之处,并从样本分布相似度出发提出一种期望分布鉴别分析(EDDA)方法,抽取到的鉴别特征的总体分布和设定的期望分布最为相近.即通过EDDA得到的投影向量可以抽取出最接近理想分布的鉴别特征.EDDA在投影向量的求解问题上不存在小样本问题,抽取的鉴别特征维数小,并且整体识别性能得到增强.在ORL、Yale人脸库上的实验结果证明本文方法在人脸识别精度上优于PCA和LDA方法. 相似文献
15.
在标准BP神经网络的训练中,将误差函数作为权值调整的依据,使用固定学习率计算权值,这样的结果往往使网络的学习速度过慢甚至无法收敛。对此,从网络收敛的稳定性和速度的角度出发,分析了误差函数和权值修改函数,对算法中学习率的作用进行了具体的讨论,提出了一种根据误差变化对学习率进行动态调整的方法。该方法简单实用,能有效防止网络训练时出现发散,提高网络的收敛速度和稳定性。 相似文献
16.
17.
本文以自适应步长调整代替DFP优化方法中的一维搜索,并将它应用于前馈神经网络训练中。同时对步长的衰减因子和增长因子进行动态自适应调整,提高了BP训练算法的收敛速度和摆脱局部极小的能力,实验结果证明了该算法的有效性。 相似文献
18.
19.
20.
人工神经网络BP算法的改进及其在无损检测中的应用 总被引:13,自引:0,他引:13
采用多层感知器(MLP)与误差反向传播算法(er-ror back-propagation algorithm)构造与监督训练人工祖辈 经网络,采用了改进的非线性激励函数与学习率的误差反向传播算法,超声无损检测的计算机模拟与实验结果表明,改进的BP算法收敛速度较之BP算法明显加快。 相似文献