原创力文档- 1、本文档共31页，其中可免费阅读10页，需付费200金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要神经网络作为一种模拟人类大脑的网络算法，近年来在各个科学领域都有很好的发展人工神经网络中最常用的算法是BP神经网络，它内部复杂的灵活性结构使其对复杂非线性问题具有强大优势然而，BP神经网络的算法也有其不足之处，其预测的性能主要受到权重和阈值的相互影响，而预测的权重和阈值虽然可以在神经网络算法训练前给其赋值，但往往训练前赋值的结果并不直接使最终的网络算法预测性能最佳因此，如果有可能通过某种新的预测手段可以使得BP神经网络算法较为容易的获取最佳的权重和阈值，将有可能会给未来的BP神经算法
基于GA的BP神经网络优化算法
摘要
神经网络作为模拟人体大脑的一种网络算法，在社会日益发展的今天，于各个科学研究领域都有着不错的发展。人工神经网络中应用最为广泛的要数BP神经网络算法，其内部复杂的柔性结构，使BP神经网络对于处理复杂非线性问题具有很强的优势。不过，BP神经网络的算法也在性能上有其不足之处，其算法预测的性能主要受到了权值和阀值的相互影响，而预测的权、阀值虽然可在神经网络算法训练前给其赋值，但往往训练前赋值的结果不会直接使最终的网络算法预测性能最佳。因此，若有可能通过某种新的预测手段可以使得BP神经网络算法较为容易的获取最佳的权、阀值，将有可能会给未来的BP神经算法带来更为广泛
文档评论（0）