基于EM机制的BP神经网络训练算法研究及其应用-计算机软件与理论专业论文.docxVIP

摘要 神经网络(Neural Network，NN)是一种超大规模的非线性动力系统，同时也是 自适应的组织系统，可以用来描述认知、决策及控制的智能行为，因此，智能的 认知和模拟成为对神经网络理论研究的重要方向；但同时，随着研究的深入，神 经网络理论也成为并行信息处理的基础。 然而，随着应用的广泛，传统的前馈神经网络的反响传播学习(BP)算法具有的 如收敛速度慢、容易陷入训练瘫痪，易陷入局部极小而无法得到全局最优等缺陷 也日益显现出来。因此，在神经网络训练中引入新的模式和算法，弥补神经网络 训练过程复杂，训练速度慢的问题已成为迫切的需要。 本文对多层前馈神经网络的结构、原理、训练过程和EM(Electromagnetism-like Mechanism，类电磁机制)算法的原理、机制进行了深入的研究，并且描述了EM算 法的若干改进策略。然后，针对传统神经网络训练算法易陷入局部最优、收敛缓 慢等缺陷，提出了有效的基于EM 的神经网络训练算法，在验证算法有效性的同 时，很好的解决了非线性映射和信号的频谱分析等应用问题。 实验表明，改进后的 BP 神经网络训练算法有效地避免了经典 BP 算法的早熟 收敛、容易陷入瘫痪问题，同时改善了对复杂分线性的求解效率，具有更好的收 敛效果和更高的求解精度。 关键字：BP神经网络 EM算法 类电磁机制 全局优化 Abstract Neural netwo