BP神经网络的种改进方法.pptVIP

BP神经网络的几种改进方法 研一队:张之武 2010年6月8日 BP神经网络的几种改进方法 B P网络存在的问题 : 1.对初始权值的选取很敏感 2.网络隐含层节点数选择的盲目性 3.收敛速度慢容易陷入局部极小而无法得到全局最优解 4.泛化能力较差 BP神经网络的几种改进方法 主要的改进策略: 1.算法自身的改变 2.与其他优化算法的结合 BP神经网络的几种改进方法 提高BP网络收敛速度的方法归纳为三类： 优化网络学习率的变化方式来提高训练速度的方法。如：动量项法、自适应学习率法、共轭梯度法、牛顿迭代法等 优化网络初始参数方式来提高训练速度的方法。如：对输入初始参数和网络连接权重参数进行归一化等 优化网络学习结构的参数来提高训练速度的方法。如 ：误差函数修正法、激励函数选取法等 BP神经网络的几种改进方法一些具体改进方法: 1.修正BP算法的误差函数和激励函数 等效误差分量和的大小和正负的变化对收敛速度存在影响,修正误差函数可以定义为： 激励函数也是BP算法中影响收敛的重要因素，激励函数的选取影响着BP算法的收敛速度 BP神经网络的几种改进方法 2.网络初始参数归一化处理 由于输入样本属于不同量纲，故对所有的输入样本，( 如：网络初始数据)进行归一化处理并使之转化到[0,1]之间。这里利用比例压缩法，具体公式为： 训练完成后，将最终得到的数据进行还原处理；其公式为 BP神经网络的几种改进方法 3.隐含层节点数选择方法的改进 隐含层的神经元数可用以下公式计算： 式中k为隐含层节点数，n为输入层节点数，m为输 出层节点数，公式计算值需要用四舍五入法进行取整，在考虑上述公式和比较仿真的效果后确定隐含层的节点数。 BP神经网络的几种改进方法 4.改进的BP网络学习率 其中0.0001 ≦ λ≦0.001,此算法认为,如果网络误差处于下降状态,尤其下降趋势明显时, 则说明此时学习率可以按一定比例增大. BP神经网络的几种改进方法 与其他优化算法的结合: 遗传算法、利用混沌运动遍历的特点的混沌算法、模拟退火算法 其中与遗传算法结合的论文相对较多,两者算法特性存在明显互补性，前者利用梯度下降法，使权值向它的误差函数负梯度方向进行调整， 以实现最快减少误差，局部微调性强，但容易陷于局部最优点。后者主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息，算法鲁棒性强，不易陷于局部最优，但是收敛到全局最优解所需的时间可能很长 BP神经网络的几种改进方法发展趋势: 人工神经网络正向模拟人类认知的道路上更加深入发展,与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。 随着神经网络理论研究的深入以及网络计算能力的不断提高, 神经网络的应用领域将会不断扩大, 应用水平将会不断提高, 最终达到神经网络系统可用来帮人做事的目的, 这也是神经网络研究的最终目标。 * * *