B-P神经网络改进及其在Matlab中应用程序发布的研究.pdfVIP

第 16 卷第 2 期 河南教育学院学报 ( 自然科学版 ) Vol. 16 N o. 2 2 0 0 7 年 6 月 Journa l of Hen an In st itu te o f Edu ca tion (N atu ra l Sc ien ce) Jun. 2007 B2P 神 经 网 络 改 进 及 其 在 M a tlab 中 应 用 程 序 发 布 的 研 究 陈 　郁 秦 　奋 余明全 ( ) 河南大学 环境与规划 学院 河南 开封 47 5004 　　摘要 :主要讨论了 B2P神经网络的结构 、算法及不足 列举了一些关于训练时 间长 、出现局部极小值等问题的 改进方法 分析了各种改进方法及 其改进的效果 还选取了几种可以与 B2P算法相结合的算法 最后以实例 说明 B2 P神经网络在 M at lab 中的实现及发布成独立应用程序的过程 . 关键词 :人工神经网络 ; B 2P神经网络 ; 算法改进 ; 独立应用程序 中图分类号 : TP183　　　　文献标识码 : A 　　　　文章编号 : 1007 - 0834 ( 2007) 02 - 0029 - 04 　　B 2P (B ack 2Prop agation)模型是一种用于前 向多 层神经 网络 的反 传 学 习算法 由鲁梅 尔 哈特 ( D ) ( ) Rum elha rt 和麦克莱伦德 M cC lelland 于 1985 年提 出[ 1 ] . 在此之前 虽然 已有韦伯斯 (W erbo s) [ 2 ] 和派 克 ( Parker) 分别于 1974 年及 1982 年提 出过类似算 法 但只有在鲁梅尔哈特等提 出后才 引起 了广泛 的 重视和应用. 目前 B 2P算法已成为应用最多且最重 要的一种训练前向神经 网络 的学习算法 亦是前 向 网络得以广泛应用 的基础. 图 1　B2P 网络 1　B2P神经网络 是用一组训练样例对网络进行训练 每一个样例都 1. 1　B 2P神经网络的结构 包括输入及期望 的输 出两部分. 训练时 首先把样例 B 2P算法常用于多层 网络. 网络 中不仅有输入 的输入信息输入到网络 中 由网络 自第一个隐层开 层节点及输出层节点 而且还至少有一层隐含层节 始逐层地进行计算 并 向下一层传递 直至传至输出 ( ) 点 如 图 1 . 层 其 间每一层神经元只影响到下一层神经元的状 当所有信息向网络输入时 信息首先 由输入层 态. 然后 以其输 出与样例 的期望输 出进行比较 如 节点传至隐含层节点 经特性函数作用后 再传至下 果它们 的误差不能满足要求 则沿着原来 的连接通 一隐含层 直到最终传至输出层进行输 出 其 间每经 路逐层返回 并利用两者误差按一定的原则对各层 过一层都要由相应 的特性函数进行变换. 节点的函