《bp网络模型的改进方法探讨》由会员分享，可在线阅读，更多相关《bp网络模型的改进方法探讨（4页珍藏版）》请在金锄头文库上搜索。
1、第 ! 卷 第 “ 期哈 尔 滨 建 筑 大 学 学 报#$%.O3.66-3.O ?3868,-6T1/-23. 4.35.O6? K-6P383$.F .6,-/% .68$Q$-R 37 /NN%36P 3. M/.9 /-6/7T8?6 7?$-8/O67 $0 JK.68Q$-R /-6 N,8 $,8通过对 $% 算法的研究发现，收敛速度缓慢的直接原因是：)9 固定的学习率 “ 和动量因子 $； 45 学习过程中出现的 “平台” 或 “瘫痪” 现象；#9 学习过程中样本与神经元的收敛速度不平衡；陷于局部极小的原因是：采用误差平方和指标函数在权空间不能满足存在的要求，故由梯度下降技术
2、形成的 $% 算法易限于局部极值；网络泛化性能差的原因是：仅采用绝对误差形式的指标函数和每步小的权更正量。* $% 网络模型的改进方法探讨:! ?);，其导数为% 6 （)） % （)）（)6% （)） ） 。我们把 + 型函数的值接近于 或 ) 的定义域两端定义为饱和区，中间为非饱和区。在饱和区函!“数值对自变量 #$%!的变化不敏感，因而当某个神经元 ! 的输入总值 #$%!处于饱和区时，那么权值的微小变化不会对该神经元的输出产生什么影响；所以当一个神经元处于饱和区后，它所受到后面样本学习的影响不会很大。如果此时神经元的输出不是期望的输出值，而权值调节量又很小，就很难将该神经元的状态调整过
3、来，因而影响了网络的收敛速度。这就是所谓的 “瘫痪” 现象。为了避免出现瘫痪现象，有几种处理方法5 法 、模拟退火法、遗传算法等一些全局最优的优化算法&?A?=1 0:BCDBBE D FGHHI CJKL?MK?N HG= AO? N?M?PAKG GH ?AQG=R =POKA?PAJ=?-4. :=AKHKPKM 8SA?MMKT?P? HG= DTK?=KT U?NKT :MVNKN L 0JHPAJ=KT1 &2261 &(3)5 #23 + ,“/-&*. 吴佑寿 一种激励函数可调的新人工神经网络及应用-4.中国科学(D 辑)1 &2261 (&)5 33 + 32-&#. 徐雷，迟惠生 静态前馈型网络的监督学习方法研究进展-4. 电子学报，&22*，(&“)：&“! + &“2
