BP神经网络改进算法及其应用.pdfVIP

2010 3rd International Conference on Computational Intelligence and Industrial Application (PACIIA)   Improved BP Neural Network and Its Application Jian-juan Liu, Zhen-fang Xu Department of Electrical Engineering,Henan University of Technology Zhengzhou,Henan,China( liujuanseu@163.com , xzhenfang1446@163.com ) Abstract—Poor environment of ship-based navigation system usually leads to decrease in navigation precision and even leads to divergence. BP neural network was introduced to solve this problem. According to characteristics of the navigation system, conventional BP algorithm was improved. And the improved algorithm was used in the ship-based navigation system. The simulation results show that the algorithm can overcome the problem of the navigation system, and ensure the normal operation of the filter. Keywords— BP neural network, improved algorithm, ship-based navigation, momentum factor, gradient factor BP神经网络改进算法及其应用 刘建娟 徐振方 河南工业大学电气工程学院，郑州，河南，中国 摘 要 针对舰载导航系统中由于舰船所处的恶劣环境的影响而导致导航精度下降甚至发散问题，引入了 BP 神经网络算法。根据应用 对象对 BP 算法进行了改进，如引入动量因子、自适应调节学习率、引入陡度因子等，并将之应用于舰载导航系统中。仿真结果表明， 算法能够克服由于外观测数据不可靠甚至不可得时所引起的导致系统精度下降甚至滤波器发散的现象，从而保证了滤波器的正常运行。 关键词 BP 神经网络，舰载导航，卡尔曼滤波，惯性导航 中图分类号：TP273.2 文献标识码：A 人工神经网络有很多模型，但是目前应用最广，其基 器发散的现象，从而保证滤波器的正常运行。 本思想最直观、最容易理解的是多阶层前馈神经网络及误 差逆向传播学习算法（Error Back-Propagation ）。人们常将 1．BP神经网络模型 按这一学习算法进行训练的多阶层前馈神经网络简称为 BP 神经网络模型是由一个输入层，一个输出层，以及 BP 网络。1 一个或多个隐含层构成，在同一层中各神经元之间相互独 三层 BP 神经网络可以以任意精度逼近任何非线性函 立。输入信号从输入层神经元，依次通过各个隐含层神经 数，这一非凡优势使多层前馈网络得到越来越广泛的应用。