下载  >  开发技术  >  其它  > BP算法局部极小问题改进的研究进展

BP算法局部极小问题改进的研究进展 评分:

来源于中国知网,权威期刊,专业人士,欢迎下载

...展开详情
2010-05-22 上传 大小:186KB
举报 收藏
分享
BP算法局部极小问题改进的研究进展

来源于中国知网,权威期刊,专业人士,欢迎下载

立即下载
【matlab】基于BP算法和遗传算法的自适应噪声抵消器

一、引言自适应噪声抵消技术是一种能够很好的消除背景噪声影响的信号处理技术,应用自适应噪声抵消技术,可在未知外界干扰源特征,传递途径不断变化,背景噪声和被测对象声波相似的情况下,能够有效地消除外界声源的干扰获得高信噪比的对象信号。 从理论上讲,自适应干扰抵消器是基于自适应滤波原理的一种扩展,简单的说,把自适应滤波器的期望信号输入端改为信号加噪声干扰的原始输入端,而它的输入端改为噪声干扰端,由横向滤波器的参数调节输出以将原始输入中的噪声干扰抵消掉,这时误差输出就是有用信号了。在数字信号采集、处理中,线性滤波是最常用的消除噪声的方法。线性滤波容易分析,使用均方差最小准则的线性滤波器能找到闭合解,若

立即下载
改进BP算法在煤与瓦斯突出预测中的应用

改进BP算法在煤与瓦斯突出预测中的应用主要为了正确预测煤与瓦斯突出的趋势与危险性,基于反向!"神经网络,笔者提出了一种改进的"网络模型:为了加快!"网络的收敛速度,增强其跳出局部极小点的能力,采用了自适应变步长法和改进模拟退火法(#$法)相结合的方法。实际应用表明,该模型收敛速度快,准确性高,具有较高的可靠性和实用性,是一种十分有效的煤与瓦斯突出危险性预测方法。

立即下载
基于遗传算法的BP神经网络优化算法

BP网络广发应用与模式分类模式识别等方面,但BP算法收敛速度慢,容易陷入极小点,而遗传算法有效率高不易陷入局部极小点优点,但有早熟现象,为了克服这些将两算法结合互补

立即下载
BP_算法分析与改进

在人工神经网络中, B P神经网络是一种应用广泛的多层前馈神经网络。分析 了B P算法的基本原理, 指出了 B P算 法具有收敛速度慢、 易陷入局部极小点等缺陷以及这些缺陷产生的根源。针对这些缺陷, 通过在标准 B P算法中引入变步 长法、 加动量项法、 遗传算法、 模拟退火算法等几种方法来优化B P算法。实验结果表明, 这些方法有效地提高了B P 算法的 收敛性, 避免陷入局部最小点。

立即下载
一种改进的BP神经网络算法及其应用-一种改进的BP神经网络算法及其应用.rar

一种改进的BP神经网络算法及其应用-一种改进的BP神经网络算法及其应用.rar 一种改进的BP神经网络算法及其应用 一种改进的BP神经网络算法及其应用 褚辉,赖惠成 摘要:BP算法是目前应用最为广泛的神经网络学习算法,但原始算法收敛速率慢,训练过程易陷入局部极小值以及隐层节 点数选择困难。针对这些问题提出了不少改进措施,文中提出了一种改进的BP神经网络算法,在BP算法基础上,从训练算 法着手,通过误差的变化趋势,动态调整权值以提高网络的收敛速率;通过数学推导,从理论上验证了该算法的有效性。用 MATLAB软件对文中的改进算法进行仿真,并且与其它方法进行比较,结果表明,改

立即下载
Spark下BP神经网络并行化算法研究

BP算法(反向传播算法)以其良好的非线性逼近能力、泛化能力以及实用性成为了人工神经网络训练算法中应用最为广泛的算法。但同时使用BP算法又存在收敛速度较慢、易陷入局部极小值等问题。为了将BP算法用于大规模数据分类问题,采用MapReduce思想,将大数据集切分成若干小的数据集来并行加速处理,同时引入Bagging算法的思想来综合并行结果,提高分类的准确率。通过在各个节点上根据子数据集独立地训练各个BP神经网络,直至各网络收敛,再将各节点上的网络收集起来进行集成,形成最终的分类器。基于Spark平台的实验表明,本文提出的算法具有良好的并行加速性能,且具有较高的分类准确率。

立即下载
粒子群算法与神经网络算法结合的matlab程序

粒子群优化算法是一种新颖的仿生、群智能优化算法。该算法原理简单、需调整的参数少、收敛速度快而且易于实现,因此近年来粒子群算法引起了广大学者的关注。然而到目前为止粒子群算法的在理论分析和实践应用方面尚未成熟,仍有大量的问题需进一步研究。本文针对粒子群算法易出现“早熟”陷入局部极小值问题对标准粒子群算法进行改进并将改进的粒子群算法应用于BP神经网络中。本文的主要工作如下:本文首先介绍了粒子群算法的国内外的研究现状与发展概况,较系统地分析了粒子群优化算法的基本理论,总结常见的改进的粒子群优化算法。其次介绍了Hooke-Jeeves模式搜索法的算法分析、基本流程及应用领域。针对标准粒子群优化算法存在“

立即下载
GA-BP性能测试

本代码是一段经典的GA-BP代码,采用遗传算法对神经网络进行训练,克服了单一神经网络容易陷入局部极小的问题,程序打开就可以运行,希望对大家有用。

立即下载
PSO粒子群算法优化神经网络

PSO粒子群算法优化神经网络,针对bp神经网络容易陷入局部极小,收敛速度慢的缺点,利用pso优化神经网络,提高了网络的泛化能力。

立即下载
MATLAB_智能算法30个案例分析

1 基于遗传算法的TSP算法(王辉) TSP (旅行商问题—Traveling Salesman Problem),是典型的NP完全问题,即其最坏情况下的时间复杂性随着问题规模的增大按指数方式增长,到目前为止不能找到一个多项式时间的有效算法。遗传算法是一种进化算法,其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体,再利用迭代的方式进行选择、交叉以 及变异等运算来交换种群中染色体的信息,最终生成符合优化目标的染色体。实践证明,遗传算法对于解决TSP问题等组合优化问题具有较好的寻优性能。 2 基于遗传算法和非线性规划的函数寻优算法(史峰) 遗传算

立即下载
一种优化神经网络拓扑结构的主从式遗传算法

通过对标准遗传算法进行改进,给出了一种主从式遗传算法,该算法能够对多层前馈神经网络的拓扑结构进行有效优化,选择权重的初始化范围,隐含层的节点数以及输入层节点等,同时也解决了BP算法易于陷入局部极小的问题。

立即下载
基于粒子群的K均值聚类算法

针对k均值聚类算法存在的缺点,提出了一种新的聚类算法———基于粒子群的k 均值聚类算法,并将此算法与现有的基于遗传算法的k均值聚类算法进行比较, 理论分析和数据实验证明,该算法有较好的全局收敛性,不仅能有效地克服传统的k 均值算法易陷入局部极小值的缺点,而且全局收敛能力优于基于遗传算法的k均值聚类算

立即下载
遗传算法和神经网络在导弹测试设备故障诊断中的应用研究-遗传算法和神经网络在导弹测试设备故障诊断中的应用研究.rar

遗传算法和神经网络在导弹测试设备故障诊断中的应用研究-遗传算法和神经网络在导弹测试设备故障诊断中的应用研究.rar 遗传算法和神经网络在导弹测试设备故障诊断中的应用研究,包括论文、实现程序、说明以及遗传算法的工具箱。 遗传算法和神经网络在导弹测试设备故障诊断中的应用研究 摘要: 在某型导弹测试设备故障诊断神经网络知识库的组建过程中,针对BP算法易陷入局部极小、收敛速度慢的缺点,根据遗传算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的混合算法¬¬¬¬¬¬¬-GA-BP算法;通过算法比较和实例结果分析,表明该算法可以有效、可靠地运用于导弹地面测试设备的故障诊断中

立即下载
样条权函数神经网络的一种新型算法

南邮张代远的样条权函数神经网络<br>针对前馈神经网络在数值插值领域的应用场合,提出了一种新型结构的神经网络及其训练算法。网<br>络拓扑结构简单,网络训练所需的神经元个数与样本个数无关,可以简单地表示成输入、输出样本向量维数之积。<br>算法只需训练1 层权函数。训练后的权函数由三次样条函数构成,而不是传统方法(反向误差传播算法“BP”或径<br>向基函数算法“RBF”) 的常数。通过求解两组线性方程组,就可以确定具体三次样条权函数形式。不存在传统梯<br>度下降类算法的局部极小、收敛速度慢、初值敏感性等问题。仿真实验说明此算法比传统算法(如BP、RBF) 精度<br>高、速度快。

立即下载
[MATLAB智能算法30个案例分析].史峰

1 基于遗传算法的TSP算法(王辉) TSP (旅行商问题—Traveling Salesman Problem),是典型的NP完全问题,即其最坏情况下的时间复杂性随着问题规模的增大按指数方式增长,到目前为止不能找到一个多项式时间的有效算法。遗传算法是一种进化算法,其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体,再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息,最终生成符合优化目标的染色体。实践证明,遗传算法对于解决TSP问题等组合优化问题具有较好的寻优性能。 2 基于遗传算法和非线性规划的函数寻优算法(史峰) 遗传算法

立即下载
GA优化BP权阈值的matlab程序

ga优化神经网络的权值阈值的matlab程序,值得借鉴。

立即下载
短期负荷预测

为了克服BP的这些缺陷,本人对算法做了一些改进确定连接权修正值的计算过程,实际上是优化计算的梯度下降法。当能量公式对应的误差曲面为窄长型时,这种算法在谷的两壁跳来跳去,影响了网络的收敛速度,对算法最普通的改进方法是增加附加动量项。利用附加动量项可以起到平滑梯度方向的剧烈变化,增加算法的稳定性。在具体计算中,学习率η越大,学习速度会越快,但过大时会引起震荡效应;而动量因子α取得过大可能导致发散,过小则收敛速度过慢。并为了解决BP易于陷于极小值现象,用人工遗传算法来优化BP网络的初始权值。遗传算法是根据生物进化思想而启发得出的一种全局优化算法,在本质上是一种不依赖具体问题的直接搜索方法,它仅需给出

立即下载