武汉理工大学信息工程学院现代数字信号处理课程论文.docVIP

课程论文 现代数字信号处理 题 目：BP神经网络算法改进 学院（系）： 信息工程学院 专业班级： 电子与通信112班 学生姓名： 王 俊 指导教师： 刘 泉 2011年 12月 1日 摘要 神经网络是一门发展十分迅速的交叉学科，它是由大量的处理单元组成非线性的大规模自适应动力系统。神经网络具有分布式存储、并行处理、高容错能力以及良好的自学习、自适应、联想等特点。目前已经提出了多种训练算法和网络模型，其中应用最广泛的是前馈型神经网络。前馈型神经网络训练中使用最多的方法是误差反向传播(BP)学习算法。但随着使用的广泛，人们发现BP网络存在收敛速度缓慢、易陷入局部极小等缺陷。于是我们就可以分析其产生问题的原因，从收敛速度和局部极小两个方面分别提出改进的BP网络训练方法。 关键词：神经网络，收敛速度，局部极小，BP网络，改进方法 Abstract Neural network is a cross discipline which now developing very rapidly, it is the nonlinearity adaptive power system which made up by abundant of the processing units . The neural network has features such as distributed storage, parallel processing, high tolerance and good self-learning, adaptive, associate, etc. Currently various training algorithm and network model have been proposed , which the most widely used type is Feedforward neural network model. Feedforward neural network training type used in most of the method is back-propagation (BP) algorithm. But with the use of BP network, people find that the convergence speed is slow, and easy fall into the local minimum. So we can analyze the causes of problems, from the two aspects respectively we can improve the BP training methods of neural network. Keywords：neural network，convergence speed，local minimum，BP neural network，improving methods 目录 摘要 2 Abstract 2 1 神经网络概述 4 1.1 生物神经元模型 4 1.2 人工神经元模型 4 2 BP神经网络 7 2.1 BP神经网络特点 7 2.2 BP神经网络介绍 8 3 BP神经网络算法改进 10 3.1 BP网络训练过程介绍 10 3.2 动态调节学习率的改进方法 10 3.3 BP神经网络收敛速度的改进方法 12 3.4局部极小问题的几种改进方案 13 4 总结 15 5 参考文献 16 1 神经网络概述 1.1 生物神经元模型 人脑是由大量的神经细胞组合而成的，它们之间相互连接。每个神经细胞（也称神经元）具体如图1.1所示的结构。 图1.1 生物神经元模型 脑神经元由细胞体、树突和轴突构成。细胞体是神经元的中心，它一般又由细胞核、细胞膜等构成。树突是神经元的主要接受器，它主要用来接受信息。轴突的作用主要是传导信息，它将信息从轴突的起点传到轴突末梢，轴突末梢与另一个神经元的树突或细胞体构成一种突触的机构。通过突触实现神经元之间的信息传递。 1.2 人工神经元模型 人工神经网络是利用物理器件来模拟生物神经网络的某些结构和功能。图1.2是最典型的人工神经元模型。 图1.2 人工神经元模型 这个模型是1943年心理学家McCulloch和科学家W.Pitts在分析总结神经元基本特性的基础上首先提出的M-P模型，它是大多数神经网络模型的基础。 ---代表神经元i与神经元j之间的连接强度(模拟生物神经元之间突触连接强度)，称之