《BP算法的缺点与改进》由会员分享，可在线阅读，更多相关《BP算法的缺点与改进（1页珍藏版）》请在金锄头文库上搜索。
BP 算法的缺点与改进目前，BP网络得到了越来越广泛的应用，但是BP算法在应用中也同时暴露出一定的缺陷:1）训练次数多，学习效率低，收敛速度慢；2）易形成局部极小;3）隐层神经元的数目难以确定；4）训练时有学习新样本而忘记旧样本的趋势。针对这些缺陷，国内外研究者提出了许多有效的改进方法，如:1）改进学习率参数的调节方法，如使学习率粉的大小随误差梯度变化；2）改进神经网络的结构，如增加隐层神经元的数目；3）改变激励函数，如把 sigmoid 函数改成分段函数；4）权值修正方法，如增加动量项。（1）BP 神经网络的建立神经网络工具箱含有许多专用函数用来建立神经网络，其中函数newff（）来创建一个BP神经 网络。此函数的调用格式为:net=newff（PR，【5152S 司， TITZTN ， BTF， BLF， PF）net=newff:用于在对话框中创建BP神经网络；PR:R*2维矩阵（共有R组输入），每行由每组输入的最大值和最小值组si:第i层神经元数；Ti第i层的激励函数，“tansig”为默认时函数；BTF:BP神经网络的训练函数，“traiulm”为默认时函数；BLF:BP神经网络中权值和阂值的算法，“leamgdm”为默认函数；PF:BP神经网络的性能函数，“mse”为默认函数。
