BP算法及其在目标识别中应用研究.pdf

摘 要 BP神经网络是各种神经网络模型中具有代表意义的神经网络模 型之一，己获得了广泛的应用。如果恰当选择BP网络的结构，它能够 以极高的精度和泛化能力描述许多问题。由于BP算法存在其固有的缺 陷，许多专家学者对其性能的改善做了大量的工作，对BP算法进行了 卓有成效的研究。本文对BP算法作了一个系统的介绍，并分析了它存 在的主要缺陷及其产生的原因，同时针对BP算法存在的主要缺陷指出 了相应的改进措施。实验中以经过旋转的二值图像直接作为BP网络的 输入，略去了对图像进行特征提取选择的步骤，同时也是对BP网络能 确保畸变不变性模式识别理论的验证。 在实验过程中，首先用加动量项的BP算法对二值图像进行识别研 究，发现网络初始权值在(0，1)范围内选取时对网络的识别正确率 影响很大，并通过进一步的实验提出了自己的见解并给出了理论推导 和实验证明。针对BP算法收敛速度缓慢这一情况，分析其产生的主要 原因(在学习过程中使用梯度下降法，因此存在误差饱和现象)，并在 实验的基础上提出了改进的使用ESPF的BP算法(使用添加动量项的 防止误差饱和函数的BP算法)进行识别研究。与其它改进算法进行的 实验比较发现，此改进算法无论在收敛速度还是在网络的泛化能力方 面都比原有算法有很大