ＢＰ神經(jīng)網(wǎng)絡(luò)算法的改進及收斂性分析

摘 要：研究BP神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)理論，詳細分析幾種流行的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的優(yōu)缺點。針對一般BP算法收斂速度慢，易陷入局部極小值的缺陷，受Fletcher-Reeves線性搜索方法的指引，提出基于改進共軛梯度擊的BP算法。從理論方面對算擊進行深入的分析，介紹算去的詳細思路和具體過程。并將算法訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)運用到函數(shù)逼近中去。仿真結(jié)果表明，這種改進方案確實能夠改善算法在訓(xùn)練過程中的收斂特性，而且提高收斂速度，取得令人滿意的逼近效果。

關(guān)鍵詞：網(wǎng)絡(luò)算法；BP神經(jīng)網(wǎng)絡(luò)；共軛梯度法

中圖分類號：TP183 文獻標識碼：A