基于BP神经网络的数据分类2.pptVIP

共轭梯度法(采用Matlalb，工具箱的训练函数 traincgb)。训练的性能曲线如图所示。 1.5 BP网络应用 1.5 BP网络应用 动量项的引入使得调节尽快脱离这一平坦区，有助于缩短向极值逼近的时间，所以动量项的引入，加快了学习速度。 共轭梯度法在二次型较强的区域能使目标函数收敛较快。而一般目标函数在极小点附近的性态近似于二次函数，故共轭梯度法在极小点附近有较好的收敛性。 综上所述，在计算过程的第一阶段，最速下降法是比较理想的寻优方法，而在最优点附近，由于接近于二次型函数，宜采用共轭梯度法。 参考文献 1.模式识别（第二版）边肇祺 张学工等编著 清华大学出版社 2.神经网络模型及其MATLAB仿真程序设计 周开利 康耀红 清华大学出版社 3.神经网络理论与MATLAB7实现 电子工业出版社 4.MATLAB神经网络仿真与应用 闻新 周露 李翔 张宝伟编著 科学出版社 5.Matlab模糊逻辑工具箱的分析与应用 闻新 周露 李江东 贝超编著 科学出版社 6.严红平, 潘春洪. 模式识别简述[J].自动化博览. 2006, 2:22~26. 7.王碧泉, 陈祖荫. 模式识别理论方法和应用. 北京:地震出版社, 1989. 8.虞和济等. 基于神经网络的智能诊断[J]. 北京:冶金工业出版社, 2000, 5:124~127. 谢 谢！ 放映结束 感谢各位