共查询到19条相似文献，搜索用时 140 毫秒
1.
BP算法通过迭代地处理一组训练样本,将每个样本的实际输出与期望输出比较,不断调整神经网络的权值和阈值,使网络的均方差最小。BP算法的有效性在某种程度上依赖于学习率的选择,由于标准BP算法中学习率固定不变,因此其收敛速度慢,易陷入局部极小值。针对此问题,通过分析BP神经网络的误差曲面可知,在误差曲面平坦区域需要有较大的学... 相似文献
2.
3.
基于蚁群算法的ACO-BP神经网络性能研究 总被引：1，自引：0，他引：1
BP神经网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一,存在收敛速度慢、易陷入局部最优等问题。将蚁群算法与BP神经网络相结合,在一定程度上克服了训练网络时间长、精度不高的问题,并与GA-BP神经网络对比分析,展示了ACO-BP神经网络的性能优势。 相似文献
4.
BP神经网络被广泛应用于模式识别、信号处理和自动控制等领域,其广泛性是由于它能实现任何连续映射,但由于BP网络训练所固有的复杂性,目前尚没有任何一种完全的算法能适用于任何BP网络的训练。本文介绍了MATLAB神经网络工具箱中各种训练算法的特点及其函数的参数形式,并对它们的收敛速度和内存消耗情况进行了比较,说明了其各自适用的网络。 相似文献
5.
指纹识别技术是当今应用最广泛的生物识别技术之一。在指纹识别过程中,图像处理、特征提取、匹配等过程数据量庞大,计算比较烦琐。BP神经网络具有良好的自学习能力、强大的分类能力和容错能力,将其应用到指纹识别中是可行的。为改进BP神经网络计算速度较慢,梯度下降法不能处理一些不可微传递函数的问题,采用粒子群算法对BP算法进行优化,提高了指纹识别的速度和准确度。 相似文献
6.
本文概括地讨论了神经网络通用模型的三要素(神经元、联接强度、学习算法)的特征,在对典型的网络即BP网络的发展动态和进展进行了系统的分析基础上讨论了BP算法的基本概念、运行机制和一些关键性技术。利用BP神经网络进行数字识别的方法,对数字进行特征提取,获得采样数据,再对样本数据进行学习和训练,形成良好的网络,然后对已训练数字有所区别的数字进行检测,达到一定的准确度,表明了该方法在实际应用中具有可行性。 相似文献
7.
介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法.针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例.实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度. 相似文献
8.
BP网络的训练就是通过应用误差反传原理不断调整网络权值使网络模型输出值与已知的训练样本输出值之间的误差平方和达到最小或小于某一期望值。应用最广的是增加了动量项的改进BP算法。本文采用的是动量梯度下降法训练BP网络。 相似文献
9.
在x荧光方法中,对物质含量定量分析需要解多元素的复杂能谱,采用神经网络算法解谱具有比较好的效果.介绍了一个三层BP(back pmpagadon)神经网络结构,并推导出LM(Levenberg-Marquardt)算法对网络的权重和偏置的更新.LM算法收敛很快.节约了大量的时间,而且解谱效果良好.还对解谱的残差进行了分析,提出了神经网络解谱的过程中需要注意的问题及其缺陷.在对多元素物质进行含量分析的过程中,采用称量法和解谱法,并对二者的结果进行比较.结果表明,误差很小.而且可以进一步减小误差. 相似文献
10.
BP算法是MLP网络的标准训练算法,虽然BP网络得到了广泛应用,但其自身也存在一些缺陷和不足,通过对BP神经网络的众多改进算法进行分析比较,在实际应用中,对同一个样本,在MATLAB中用不同的BP改进算法进行训练可以得出LMBP算法的收敛速度快,训练次数少,训练效果好。但对于复杂的问题,这种方法需要很大的内存,在MATLAB工具箱中解决了这个问题。因此,对于中等规模的网络,采用LMBP算法是最合适的。 相似文献
11.
将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。 相似文献
12.
针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法（PSO）优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和闽值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明：在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。 相似文献
13.
14.
15.
16.
基于BP神经网络的印刷体数字识别研究 总被引：1，自引：0，他引：1
BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。 相似文献
17.
针对高校图书馆流通服务质量问题,建立了评价系统的BP神经网络模型,利用遗传算法对传统的BP神经网络权值进行全局优化运算,提高了网络收敛速度,并经过实例计算验证了该模型的有效性。 相似文献
18.
通过对知识产权质押融资过程中的风险因素进行分析,运用人工神经网络BP算法建立BP神经网络模型对科技型中小企业知识产权质押融资风险进行研究,结果显示BP神经网络对科技型中小企业知识产权质押融资风险进行评价具有较高的精度.BP神经网络模型可以成为科技型中小企业进行知识产权质押融资风险评价的一种有效的方法. 相似文献
19.
[目的/意义]在数字经济背景下,数据资源通过网络平台交易实现价值转化与增值。作为一种非标准化的新兴商品,数据资源具有成本模糊、类型多样、不确定性高等典型特征,传统价值评估理论难以对其价值进行准确衡量。[方法/过程]对此,文章提出了AGA-BP神经网络的数据资源价值评估模型,该模型充分考虑了诸多影响因素与数据资源价值的非线性关系,通过自适应遗传算法(AGA)优化传统BP神经网络提升价值评估的精度,解决BP神经网络极易陷入局部最优、收敛速度较慢等问题。以此方法为基础,收集武汉东湖大数据交易中心的244条数据资源交易信息进行实证检验。[结果/结论]研究结果表明:基于AGA-BP神经网络的数据资源价值评估方法相比于GA-BP神经网络和BP神经网络性能提升明显;该方法在仿真能力、误差水平、拟合数据能力等方面表现出突出优势,具有更好的价值评估仿真效果。该方法在减少数据交易平台买卖双方交易成本,完善数据交易平台的定价机制和策略方面具有较强的指导意义。 相似文献