bp神經(jīng)網(wǎng)絡訓練算法改進初探【開題報告】

1、<p><b>　　畢業(yè)論文開題報告</b></p><p><b>　　電氣工程及其自動化</b></p><p>　　BP神經(jīng)網(wǎng)絡訓練算法改進初探</p><p>　　一、課題研究意義及現(xiàn)狀</p><p>　　本課題主要研究傳統(tǒng)BP神經(jīng)網(wǎng)絡的基本原理和設計方法，并對傳統(tǒng)BP算法進行改

2、進。</p><p>　　BP神經(jīng)網(wǎng)絡目前已經(jīng)得到廣泛的應用，并發(fā)展了某些快速收斂和優(yōu)化的改進算法。在網(wǎng)絡設計及其模型選擇時，既可采用典型網(wǎng)絡模型，也可采用多種網(wǎng)絡模型的優(yōu)點組合.另外，還可以結合具體應用間題特點，對原網(wǎng)絡模型進行改進。MATLAB神經(jīng)網(wǎng)絡工具箱不需要繁瑣編程，提供的網(wǎng)絡訓練函數(shù)可直接用于循環(huán)訓練一個BP神經(jīng)網(wǎng)絡，最終達到允許目標誤差的函數(shù)，大大提高了研究的效率。</p><p

3、>　　隨著新的控制思路和手段的不斷涌現(xiàn)，人工神經(jīng)網(wǎng)絡作為一種新型的信息獲取、描述和處理方式，正在逐漸引起不同學科和領域的科學家的注意。神經(jīng)網(wǎng)絡有其自適應，自學習，并行處理等特點。它被廣泛應用于模式識別、信號處理和自動控制等領域。目前，人們研究最為廣泛最具代表行的網(wǎng)絡是BP(Back Propagation)神經(jīng)網(wǎng)絡，它具有分布式的信息存儲方式，大規(guī)模并行處理，自學習和自適應性、較強的魯棒性和容錯性等特點。當前，BP神經(jīng)網(wǎng)絡主要應用

4、于模式識別、圖像處理、信息處理、故障檢測、企業(yè)管理、市場分析等領域。而BP神經(jīng)網(wǎng)路采用的是經(jīng)典的BP算法。BP算法也是目前比較流行的神經(jīng)網(wǎng)絡學習方法，是能實現(xiàn)映射變換的前饋型網(wǎng)絡戰(zhàn)中最常用的一類網(wǎng)絡，是一種典型的誤差修正方法。</p><p>　　由于傳統(tǒng)的BP算法存在諸如收斂速度慢，易陷入局部最小點以及編程困難，計算量大等問題，因此許多學者對其進行了改進，提出了多種改進算法。BP算法的改進主要有兩種途徑，一種是

5、采用啟發(fā)式學習方法，如附加動量法、自適應學習率法等;另一種是采用數(shù)字優(yōu)化技術，共扼梯度法、牛頓法、Levenberg-Marquardt法等。</p><p>　　二、課題研究的主要內容和預期目標</p><p>　　本課題主要研究傳統(tǒng)BP神經(jīng)網(wǎng)絡的基本原理和設計方法，并對傳統(tǒng)BP算法進行改進。主要內容：</p><p>　?。?）深入研究BP神經(jīng)網(wǎng)絡。分析和比較各

6、種算法的特點以及其函數(shù)的參數(shù)形式。研究其各自適用的網(wǎng)絡。</p><p>　?。?）研究當前傳統(tǒng)BP神經(jīng)網(wǎng)絡的訓練算法存在的一些問題。比如收斂速度慢、容易陷入局部最小、網(wǎng)路的結構難以確定等等。透徹分析這些問題產(chǎn)生的原因。</p><p>　?。?）針對BP算法中存在的問題，提出其改進方法。BP算法的改進主要有兩種途徑，一種是采用啟發(fā)式學習方法，如附加動量法、自適應學習率法等；另一種是采用數(shù)

7、字優(yōu)化技術，共扼梯度法、牛頓法、Levenberg-Marquardt法等。</p><p>　?。?）利用改進BP算法對柴油機故障診斷問題進行仿真實驗，與傳統(tǒng)的BP算法相比，改進后的算法能取得更好的診斷效果。</p><p><b>　　預期目標：</b></p><p>　　（1）掌握BP神經(jīng)網(wǎng)絡的基本原理；</p><

8、p>　?。?）對神經(jīng)網(wǎng)絡各個訓練算法進行改進；</p><p>　?。?）完成BP神經(jīng)網(wǎng)絡訓練算法改進初探設計；</p><p>　　（4）用MATLAB軟件實現(xiàn)改進初探，并完成仿真實驗；</p><p>　?。?）完成一篇畢業(yè)論文。</p><p>　　三、課題研究的方法及措施</p><p>　　1、檢索相關

9、文獻，了解相關技術背景、成果及方案。</p><p>　　2、在完成步驟1的基礎上，學習BP神經(jīng)網(wǎng)絡的基本原理。</p><p>　　3、在完成步驟1、2的基礎上對BP神經(jīng)網(wǎng)絡訓練各個算法進行研究。</p><p>　　4、了解BP網(wǎng)絡的訓練函數(shù)和用MATLAB構建BP神經(jīng)網(wǎng)絡。</p><p>　　5、用柴油機故障實例來實現(xiàn)改進算法。<

10、;/p><p>　　6、用MATLAB軟件實現(xiàn)算法，完成仿真實驗。</p><p>　　7、技術文檔總結，完成畢業(yè)論文。</p><p>　　四、課題研究進度計劃</p><p>　　2010.10.17-2010.11.3：分析任務，收集資料，完成開題報告、文獻綜述、外文翻譯</p><p>　　2010.11.3-20

11、10.12.4 ：初步完成BP神經(jīng)網(wǎng)絡訓練算法改進初探的相關理論研究</p><p>　　2010.12.5-2010.12.31 ：完成仿真實驗，驗證實驗結果，并完成論文初稿</p><p>　　2010．1.5-2011.5：完成論文、準備畢業(yè)論文答辯</p><p><b>　　五、參考文獻</b></p><p>

12、;　　[1]王沫然.MATLAB6.0與科學計算[M] . 北京:電子工業(yè)出版社,2001,9.</p><p>　　[2] 張志涌,徐彥琴.MATLAB 教程- 基于6. x 版本[M] .北京:北京航天航空大學出版 社.2001.</p><p>　　[3] 樓順天.基于MATLAB的系統(tǒng)分析與設計—神經(jīng)網(wǎng)絡[M].西安：西安電子科技大學出.</p><p

13、>　　[4] 李士勇.模糊控制神經(jīng)控制和智能控制[M].</p><p>　　[5] 王永驥，涂健.神經(jīng)元網(wǎng)絡控[M].北京：機械工業(yè)出版社，1998</p><p>　　[6] 韓力群.人工神經(jīng)網(wǎng)絡理論、設計及應用[M] . 北京:化學工業(yè)出版社.2004,2.</p><p>　　[7] 林康紅,施惠昌,盧強等.基于神經(jīng)網(wǎng)絡的傳感器非線性誤差校[J] .

14、傳感器技術,2002 ,21 (1) :65-73.</p><p>　　[8] 甘俊英,張有為.基于BP 神經(jīng)網(wǎng)絡的人臉識別[J]. 統(tǒng)工程與電子技術,2003 ,25 (1) :110-17.</p><p>　　[9] 吳建生.旱澇災害的遺傳-神經(jīng)網(wǎng)絡集成預測方法研究[J]廣西科學, 2006,(03) :47-53.</p><p>　　[10] N.K

15、. Patel, R.K. Khubchandani. ANN based power transformer fault diagnosis[J]. IEEE Journal of Electrical. Engineer 2004,85 :60–63. </p><p>　　[11] 葉甫.混合動力電動汽車驅動系統(tǒng)的故障診斷研究[D]. 西北工業(yè)大學碩士學位論文.2005.</p><p&

16、gt;　　[12] 周杰.BP神經(jīng)網(wǎng)絡在電廠制粉系統(tǒng)故障診斷中的應用研究[D]. 重慶大學碩士學位論文.2003.</p><p>　　[13] 陳劍平.基于MATLAB的神經(jīng)網(wǎng)絡模式識別技術在油氣化探中的研究及應用 [D].中國地質大學（北京）碩士學院論文.2008.</p><p>　　[14] 王曉敏,劉希玉,戴芬. BP神經(jīng)網(wǎng)絡預測算法的改進及應用[J].計算機技術與展.2009,