資源描述：
《BP算法的改進(jìn)及其應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、曲南交通人學(xué)碩士學(xué)位論文BP算法的改進(jìn)及其應(yīng)用研究姓名：黃慶斌申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)軟件與理論指導(dǎo)教師：尹治本20100501西南交通人學(xué)碩士研究生學(xué)位論文第1頁摘要隨著人工神經(jīng)網(wǎng)絡(luò)的發(fā)展，其用途日益廣泛，應(yīng)用領(lǐng)域也在不斷拓展，已在人工智能、口動(dòng)控制、計(jì)算機(jī)科學(xué)、信息處理、機(jī)器人、模式識(shí)別等各個(gè)工程領(lǐng)域中有著成功的案例。在眾多的神經(jīng)網(wǎng)絡(luò)中，乂以EP(BackPropagation)N絡(luò)的應(yīng)用最為廣泛，它所采用的BP算法已成為H前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，絕大部分的神經(jīng)網(wǎng)絡(luò)模型都是釆用BP算法或它
2、的變化形式。這類算法具有很好的非線性映射能力、泛化能力、容錯(cuò)能力，已在各個(gè)工程領(lǐng)域中取得了廣泛的應(yīng)用。但人們?cè)谑褂眠^程中卻發(fā)現(xiàn)，該類算法存在這樣那樣的局限，比如收斂速度慢、容易陷入局部極小值以及忘記I口樣本的趨勢(shì)，這些局限性嚴(yán)重影響了BP算法的應(yīng)用。木文主要針對(duì)BP算法的缺點(diǎn),從進(jìn)化算法和BP算法融合的角度進(jìn)行改進(jìn)，設(shè)計(jì)岀效果較優(yōu)的算法。主要的研究T作如下：第一、在對(duì)生物神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí)的基礎(chǔ)上，對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了系統(tǒng)的綜述。重點(diǎn)研究了EP神經(jīng)網(wǎng)絡(luò)模型，對(duì)它所采用的BP算法進(jìn)行了進(jìn)行了詳細(xì)的推導(dǎo)，定性分析了該算
3、法的局限性。最后通過吸取前人的EP網(wǎng)絡(luò)設(shè)計(jì)經(jīng)驗(yàn)，總結(jié)出了基本的網(wǎng)絡(luò)設(shè)計(jì)方法，以求推廣BP網(wǎng)絡(luò)的應(yīng)用。第二、研究了遺傳算法，對(duì)遺傳算法的構(gòu)成要素進(jìn)行了詳細(xì)的探討。在此基礎(chǔ)上，將它與加動(dòng)量項(xiàng)和自適應(yīng)學(xué)習(xí)率的BP改進(jìn)算法相結(jié)合，捉出了一種基于遺傳算法的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，建立了遺傳神經(jīng)網(wǎng)絡(luò)模型。第三、分析了基本蟻群算法的原理以及三種蟻群算法模型,在TSP問題上，當(dāng)城市個(gè)數(shù)很小時(shí)，它們具有很好的性能，當(dāng)問題規(guī)模增人時(shí)，它們的求解性能下降。針對(duì)這一問題，研究了改進(jìn)蟻群算法.蟻群系統(tǒng)(ACS)原理并進(jìn)行了仿真實(shí)驗(yàn)。在此基礎(chǔ)
4、上，結(jié)合蟻群系統(tǒng)對(duì)BP算法進(jìn)行改進(jìn)，提出了一種基于蟻群算法的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，建立了蟻群神經(jīng)網(wǎng)絡(luò)模型。第四、進(jìn)一步討論了基于蟻群算法的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法中的利用分割法和隨機(jī)生成法生成蟻群算法的備選權(quán)值集合的方式，提出了利用遺傳算法優(yōu)化生成備選權(quán)值集合的方法，通過比較表明此方法對(duì)于該算法的收斂性有一定影響，但影響不大。將本文所提出的算法運(yùn)用在城鎮(zhèn)居民家庭人均可支配收入的預(yù)測(cè)方面，驗(yàn)證了算法的優(yōu)越性。在一定程度上克服了神經(jīng)網(wǎng)絡(luò)容易陷入局部極小值，達(dá)到快速收斂的冃的。關(guān)鍵字：神經(jīng)網(wǎng)絡(luò)；遺傳算法；蟻群算法；西南交通大學(xué)
5、碩士研究生學(xué)位論文第1I頁ABSTRACTWiththedeVe10pment0fartificia1neura1networ?k:sitisapp1?1edwide1yinmorefie1dssuchasart?1ficia1inte11igence?,1nte111igentcontro19com1Puterscience,inf0rmat?10nprocessing，rob0tics,pattemre(cogn?1t?1on?BP(Iback--ProPagation)neura1netw0rk■1so
6、ne0fthemostwide1yapp1iedneur?a1netw0rks■BPa1gorithmhasbeC0methemostw■1de1yaPP1■1edneuralnetwrorka1g0rithms?1tanditsdeformationsareusedinmo:stneura1networkmode1s.,Thesea1gorithmswhichhavegoodnonlinearmappingabi1ity,generalizationabilityandfaulttolerancehavew
7、ideapp1icationsinvariousengineeringfields.However,thestandardBPa1gsteepestdescentalgorithm,thuares0mesh0rtc0mings,suchass1simprovedalgorithmsarebasedonstheretofallintolocalorithmoriowconvergence,easys.Thestheapminimumandforgettheo1dsampleeshortcomingsseriou
8、slyaffectp1icationofBPnetwork.InthitheshortcomingsofBPalgorithmisstudied,fromtheperspectiveofcombiningeV01utionairya1gor1thm、析t11BPa1g:0rithm■theOPtimuma1g0rithmsaredesigned?T:hemainpoints0fresearchare
