資源描述：
《BP神經網絡訓練算法改進初探【開題報告】》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、畢業(yè)論文開題報告電氣工程及其自動化BP神經網絡訓練算法改進初探一、課題研究意義及現狀本課題主要研究傳統(tǒng)BP神經網絡的基本原理和設計方法，并對傳統(tǒng)BP算法進行改進。BP神經網絡目前已經得到廣泛的應用，并發(fā)展了某些快速收斂和優(yōu)化的改進算法。在網絡設計及其模型選擇時，既可采用典型網絡模型，也可采用多種網絡模型的優(yōu)點組合.另外，還可以結合具體應用間題特點，對原網絡模型進行改進。MATLAB神經網絡工具箱不需要繁瑣編程，提供的網絡訓練函數可直接用于循環(huán)訓練一個BP神經網絡，最終達到允許目標誤差的函數，大大提高了研究的效率。隨著新的控制思路和手段的不斷涌現，人工神經網絡作為一
2、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。神經網絡有其自適應，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絡是BP(BackPropagation)神經網絡，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神經網絡主要應用于模式識別、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神經網路采用的是經典的BP算法。BP算法也是目前比較流行的神經網絡學習方法，是能實現映射變換的前饋型網絡戰(zhàn)中最常用的一類網
3、絡，是一種典型的誤差修正方法。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;另一種是采用數字優(yōu)化技術，共扼梯度法、牛頓法、Levenberg-Marquardt法等。二、課題研究的主要內容和預期目標本課題主要研究傳統(tǒng)BP神經網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：（1）深入研究BP神經網絡。分析和比較各種算法的特點以及其函數的參數形式。研究其各自適用的網絡。（2）研究當前
4、傳統(tǒng)BP神經網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、網路的結構難以確定等等。透徹分析這些問題產生的原因。（3）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；另一種是采用數字優(yōu)化技術，共扼梯度法、牛頓法、Levenberg-Marquardt法等。（4）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。預期目標：（1）掌握BP神經網絡的基本原理；（2）對神經網絡各個訓練算法進行改進；（3）完成BP神經網絡
5、訓練算法改進初探設計；（4）用MATLAB軟件實現改進初探，并完成仿真實驗；（5）完成一篇畢業(yè)論文。三、課題研究的方法及措施1、檢索相關文獻，了解相關技術背景、成果及方案。2、在完成步驟1的基礎上，學習BP神經網絡的基本原理。3、在完成步驟1、2的基礎上對BP神經網絡訓練各個算法進行研究。4、了解BP網絡的訓練函數和用MATLAB構建BP神經網絡。5、用柴油機故障實例來實現改進算法。6、用MATLAB軟件實現算法，完成仿真實驗。7、技術文檔總結，完成畢業(yè)論文。四、課題研究進度計劃2010.10.17-2010.11.3：分析任務，收集資料，完成開題報告、文獻綜述、
6、外文翻譯2010.11.3-2010.12.4：初步完成BP神經網絡訓練算法改進初探的相關理論研究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2010．1.5-2011.5：完成論文、準備畢業(yè)論文答辯五、參考文獻[1]王沫然.MATLAB6.0與科學計算[M].北京:電子工業(yè)出版社,2001,9.[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.[3]樓順天.基于MATLAB的系統(tǒng)分析與設計—神經網絡[M].西安：西安電子科技大學出.[4]李士勇.模糊控制神經控制和智能控制
7、[M].[5]王永驥，涂健.神經元網絡控[M].北京：機械工業(yè)出版社，1998[6]韓力群.人工神經網絡理論、設計及應用[M].北京:化學工業(yè)出版社.2004,2.[7]林康紅,施惠昌,盧強等.基于神經網絡的傳感器非線性誤差校[J].傳感器技術,2002,21(1):65-73.[8]甘俊英,張有為.基于BP神經網絡的人臉識別[J].統(tǒng)工程與電子技術,2003,25(1):110-17.[9]吳建生.旱澇災害的遺傳-神經網絡集成預測方法研究[J]廣西科學,2006,(03):47-53.[10]N.K.Patel,R.K.Khubchandani.ANNbased
8、power
