BP神經網絡的優(yōu)化研究及應用.pdf

1、隨著科學技術的發(fā)展,人們一直在努力讓機器具有人的思維,讓它對來自外界的信息做出智能的處理,人工神經網絡就是在這一背景下誕生的。人工神經網絡是一種模擬人腦工作模式的數學模型,它通過模擬人腦系統(tǒng),對信息進行存儲、加工和處理,應用非常領域廣泛。BP(Back Propagation)神經網絡是應用最為廣泛的人工神經網絡,但是由于其本身的一些諸如易陷于局部極小、網絡結構難以確定等固有特性的存在,其應用范圍還是受到了一定程度的限制和制約。

2、　　本文主要從遺傳算法與BP神經網絡融合的角度來實現(xiàn)對網絡的優(yōu)化,主要工作如下:
　　第一,對生物神經元及人工神經元的相關知識進行了介紹,然后對應用最為廣泛的BP神經網絡的結構、原理及實現(xiàn)進行了講解,并用數學公式對算法實現(xiàn)進行了推導,最后通過一個函數擬合的例子來對BP網絡的性能加以分析。仿真結果顯示,標準BP算法存在收斂速度慢等局限性,且網絡訓練函數、中間隱層節(jié)點數目、初始參數都會影響網絡性能。
　　第二,研究了遺傳算法,從

3、遺傳算法的基本操作、特點和原理等方面對其進行了探究。遺傳算法是一種基于進化理論的仿生算法,它依據目標函數轉換來的適應度函數,對種群進行選擇、交叉、變異等遺傳操作。
　　第三,從遺傳算法與BP神經網絡融合的角度,利用遺傳算法來對BP網絡進行優(yōu)化,這一優(yōu)化過程從網絡的拓撲結構及參數兩個角度進行。在用遺傳算法對BP網絡的結構進行優(yōu)化時,采用的是編碼方法簡單、便于遺傳操作實現(xiàn)的二進制編碼方法;而對網絡的權值、閾值等參數進行優(yōu)化時,采用的則