一种基于惩罚系数的BP神经网络预测能力 (2013年)

为提高BP神经网络训练的预测能力，采用有助于提高BP神经网络逼近精度的Metropolis准则来克服 BP神经网络训练学习过程中容易陷入局部极小值的问题；考虑到两类误分的代价不同，利用两个惩罚系数C1和C2，对两类误分给予不同程度的惩罚；采用轮换法的策略来避免因样本不均衡分布带来的负面影响．研究结果表明：所构建的神经网络模型效果令人满意，是行之有效的做法．