共轭梯度BP算法在Matlab 7.0中的实现.pdfVIP

2009年 第 18期总 第 305 共轭梯度BP算法在Matlab7．0中的实现 陈朝 阳，行小帅，李 明 (山西师范大学 物理与信息工程学院 山西 临汾 041004) 摘 要 ：应用 Matlab7．0中神经网络工具箱建立 BP神经网络 的最优化求解方法，采用共轭梯度法对网络 的权值和 阚值 进行优化计算 ，实现网络权值和 阚值的快速计算 ，为分析神经网络 的合理结构提供 了必要条件 。对 BP神经网络的传统梯度 下降法与共轭梯度算法进行了仿真。这里通过对算法的训练速度，容错泛化能力等方面加 以讨论，多方面印证共轭梯度算 法的优越性，仿真结果凸显了训练速度的大幅提高，尤其对训练后网络受损情况下的泛化能力，采用线性 回归的方法进行 了 仿真验证 ，同样得到满意结果，从新的角度支持 了共轭梯度 BP算法 。 关键词 ：BP神经网络；Matlab；神经网络工具箱；共轭梯度 中图分类号 ：TP183 文献标识码 ：A 文章编号 ：1004—373X(2009)18—125一O3 ImplementofConiugateGradientBPAlgorithm inMatlab7．0 CHEN Zhaoyang，XING Xiaoshuai，IA Yue (PhysicsandInformationEngineeringCollege。ShanxiNormalUniversity，Linfen，041004，China) Abstract：TheoptimizedsolutionmethodofBP neuralnetwork isestabished byneuralnetworktoolboxinMatlab7．0， usingtheconjugategradientmethodcarryontheoptimizedcomputationtothenetworkweightandthethresholdvalue，the networkweightandthresholdvalueSrapidcalculationarerealized，theessentialconditionisprovidedforanalysingneuralnet— workSreasonablestructure．BPneuralnetworkStraditiongradientdescentlawandtheconjugategradientalgorithmaresimu— lated．Throughthealgorithmtrainingspeed，aspectsandfault—tolerantpanability，superiorityofCOnjugategradientalgorithm isverified，thesimulationresulthighlightstheimprovementoftrainingspeed，espeeiallyaftertrainingthenetworksuffersinju— ryinsituationpan—ability，thelinearregressionmethodisusedtocarryOilthesimulationconfirmation，satisfactionresultis obtained，theconjugategradientBPalgorithm issupportedfrom thenew angle． Keywords：BPneuralnetwork；Matlab；neuralnetworktoolbox；conjugategradient 节省了程序设计，调试及网络学习训练所需的时间，提 0 引 言 高了研究的效率。在此利用简单程序及函数对两种 BP 人工神经网络 (ArtificialNeuralNetwork，ANN)是 神经网络算法做了对