用于神经网络模式识别的一种改进的BP算法.pdf

维普资讯 · 6 · 信 息 技 术 2002年第 6期 用于神经网络模式识别的一种改进的BP算法 刘 岚，秦 洪 (武汉理工大学信息工程学院．武汉 430070) 摘 要 ：在对采用BP算法的神经 网络进行分析的基础上 ，针对标准 BP算法的不足进行 了改进 ， 并给 出了通过对作用函数进行修正后所得到的改进 BP算法的应用实例 关键词 ：神经网络 ；模式识别 ；BP算法 中图分类号：TPI83 文献标识码 ：B 文章编号 ：1009—2552(2002)06—00o6—02 AnUpdatedBP ArithmeticforNeuralNetworkPatternRecognition LiuLan，QinHong (CoRegeofInformationEngineering，WuhanUniversityofTechnology，Wuhan430070，China) Abstract：Based011analyzingthetheotw ofneuralnetwork pattem recognition s‘tem，toward the limitation of standaldBP alithmetic．thisthesisoffersitsimprmredmethodandareall’ecognition example． Keywords：Neuralnetwork；Pattem recognition；BP arithmetic BP神经网络模型是人工神经网络的重要模型之 Y=f(u(t)) 一 通常 ，BP算法是通过一些学 习规则来调整神经 (2)神经网络的信息处理 元之间的连接权值。BP学习算法 (逆传播学习算法) 对于没有反馈的神经网络 ，假设有 一个包含 了输 具有思路清晰、结构严谨、工作状态稳定、可操作性强 入层、隐含层和输 出层的 3层前 向神经 网络，其结构 的特点。采用 BP算法的前向网络是当前应用最为广 如图 1所示 。 泛的一种人工神经网络，它可以解决大多数神经网络 输入 所面临的许多问题 。 1 前 向神经 网络 (1)神经元的信息处理 对于输入信号 x，，x ，八，x ，膜 电位的变化量 由 l 输入信号的加权和来决定 ， U= v．x． (1) i= 1 输出信号 Y则可表示为： 图 l 前 向神经 络 的结构 不 总 Y=f(U—e) (2) 从输入 x=(x，，x ，八，x)到输出Y=(YI，Y ， 式 中：e为阈值。在连续He1．3模型中，通常膜电位服从 八，Y。)的映射为： 下列方程， Y，=f( Wh_--．) T =一u(t)+ Wix．一e (3) u L l I (i=1，2，八，M；j=1，2，八，N) (4) 式中 ：r为时间间隔 ，这时输出 Y可表示为 ： h，= ‘一，( v．x 一e) (k=1，2，八，N) 收