改进BP神经网络隐层结构优化算法研究.pdfVIP

摘 要 人工神经网络理论是最近发展起来的十分热门的交叉学科，有着非常广泛的 应用前景。由于人工神经网络具有大规模并行信息处理，良好的自适应与自学习 等许多特点，因此利用神经网络解决复杂非线性动态系统的预测问题就有了一条 新的可能途径。基于神经网络预测方法的研究是当前预测研究中的一个重要课 题，具有重要的理论意义和实际应用价值。 人工神经网络具有高度的非线性映射能力，能以任意精度逼近非线性函数， 因此比较适合于一些复杂问题的建模。但因其自身的缺点，如收敛速度慢、目标 函数存在局部极小点、难以确定隐含层数和隐层节点数等，使得其在应用方面受 到限制。本文在介绍了BP网络及其隐层结构的发展之后，针对BP网络隐层结 构难以确定的缺点，本文对直接确定隐层结构的算法做了一些改进，并通过对一 些函数进行实证研究，通过和传统方法应用结果的比较，体现了改进后的BP网 络无论在速度还是在精度方面都有所提高，最后把改进的神经网络模型用于股票 的预测，表明了改进算法的实用性及优越性。 关键词：人工神经网络；BP网络；隐层节点；股票预测 ABSTRACT andhotcross a ArtificialNeural new Network，a great discipline，enjoysquite of its characteristicssuchas prospectapplication．Wimmany large·scale information and self-learning，the parallel processing,excellentself-adaptation Networkhasbeenusedin the nonlinear solvingcomplex dynamicsystemprediction． 011 The basedANNis a predictionstudy importantproblem，enjoyssignificance in and theoryreality． ArtificialNeuralNetworksare nonlinear of highly mappingability,theaccuracy Canbe non—linearfunctionismoresuitablefor a arbitrary modeling approximation own asslow numberof oftheir issues．However,because complex shortcomings，such functionthereisthelocalminimumisdifficultto objective convergence，the point，it