BP神經(jīng)網(wǎng)絡的混沌優(yōu)化方法研究與應用.pdf

1、BP(Back Propagation)神經(jīng)網(wǎng)絡是目前人工神經(jīng)網(wǎng)絡中最具代表性和應用最廣泛的模型之一。其結(jié)構簡單，可操作性強，能模擬任意的非線性輸入輸出關系，在模式分類，圖像處理，決策支持等領域都有著廣泛地應用。雖然BP神經(jīng)網(wǎng)絡得到廣泛地應用，但是由于訓練BP神經(jīng)網(wǎng)絡的BP算法，在本質(zhì)上它是一種非線性優(yōu)化問題的梯度算法，所以它存在收斂性問題。即該算法不能保證訓練結(jié)果一定收斂到全局最優(yōu)點，容易陷入局部極小點無法跳出而達不到全局最優(yōu)點；全局

2、收斂速度很慢，訓練時間過長；同時收斂性過分依賴于初始連接權值，學習率的選擇等問題，一定程度上影響了它的應用效果?；煦缡谴嬖谟诜蔷€性系統(tǒng)中一種較為普遍的現(xiàn)象，它的運動軌跡具有遍歷性，隨機性等特點，它能在一定范圍內(nèi)按其自身規(guī)律不重復遍歷所有的狀態(tài)。針對BP算法存在以上諸多問題，本文引入混沌優(yōu)化思想，將BP算法具有的快速收斂到局部最優(yōu)的特點與混沌搜索具有的全局遍歷性有機結(jié)合，利用典型混沌映射Logistic方程優(yōu)化學習率，探討了一種具有混沌學

3、習率的BP算法來優(yōu)化BP神經(jīng)網(wǎng)絡的訓練過程，以克服BP神經(jīng)網(wǎng)絡在訓練過程中容易陷入局部極小值和全局收斂速度慢的現(xiàn)象。
　　 本文將改進后的算法應用于某市對某電信ICDY業(yè)務訪問量的網(wǎng)絡流量預測和人臉偏轉(zhuǎn)方向判斷。實驗結(jié)果充分表明，具有混沌學習率的BP算法，在預測擬合效果和人臉方向判斷上都達到設定目標。為了證明改進算法的合理性和有效性，本文將改進算法與三種基于學習率改進的BP算法比較，收斂速度和精度得到明顯提高，且具有一定的避免B