多層感知器學習算法研究.pdf

1、多層感知器是一種單向傳播的多層前饋網(wǎng)絡模型，由于具有高度的非線性映射能力，是目前神經(jīng)網(wǎng)絡研究與應用中最基本的網(wǎng)絡模型之一，廣泛應用于模式識別、圖像處理、函數(shù)逼近、優(yōu)化計算、最優(yōu)預測和自適應控制等領域。而多層感知器采用的是BP算法。BP算法的收斂速度慢是個固有的缺點，因為它是建立在基于只具有局部搜索能力的梯度法之上的，是只具有局部搜索能力的方法，若用于多個極小點的目標函數(shù)時，是無法避免陷入局部極小和速度慢的缺點的。因此，對BP算法的研究一

2、直以來都是非常重要的課題。 畢業(yè)設計課題旨在對多層感知器的學習算法進行研究，并提出一種新的學習算法。由于BPWE(權值外推BP)算法和TBP(三項BP)算法都是基于權值調整的改進算法，而考慮將TBP算法中的均衡因子融入到BPWE算法中，從而使后者對權值的調整由原來的兩項增加為三項，從而提出一種新的學習算法…TWEBP算法。為了驗證本算法的優(yōu)點，采用了三個例子，分別對異或問題、三分類問題和函數(shù)逼近問題進行了實驗，發(fā)現(xiàn)其收斂速度和逃