BP神經(jīng)網(wǎng)絡的優(yōu)化與研究.pdf

1、人工神經(jīng)網(wǎng)絡是近年來的熱點研究領域，是人類智能研究的重要組成部分，已經(jīng)成為神經(jīng)科學、計算機科學、認知科學、數(shù)學和物理學等多學科關注的熱點。其應用領域包括：分類、預測、模式識別、信號處理和圖像處理等，并繼續(xù)向其他領域延伸。神經(jīng)網(wǎng)絡的優(yōu)化與改進從一開始就是理論研究和應用的重要研究內容，特別是前饋神經(jīng)網(wǎng)絡的研究，到目前為止尚沒有一個理想的優(yōu)化方案。本論文以目前應用最廣、最具代表性的BP神經(jīng)網(wǎng)絡為研究對象，圍繞BP神經(jīng)網(wǎng)絡在復雜樣本分類中存在網(wǎng)

2、絡結構復雜、分類能力低的問題出發(fā)，提出了混合BP神經(jīng)網(wǎng)絡模型，對BP神經(jīng)網(wǎng)絡的發(fā)展具有一定的意義。
　　 針對BP神經(jīng)網(wǎng)絡容易陷入局極小值，收斂速度慢的問題，本文提出了基于混合BP神經(jīng)網(wǎng)絡的分類模型，并通過實驗將此模型應用于復雜樣本的分類問題中。該模型通過分析樣本中屬性的相關性進行網(wǎng)絡的構建，使用主成分分析法(PCA)對樣本進行降維，用蜂群算法(ABC)對網(wǎng)絡的權值進行優(yōu)化。前者降低了樣本中數(shù)據(jù)屬性之間的相關性，用主成分來表示原

3、來的數(shù)據(jù)，減少了網(wǎng)絡輸入層中神經(jīng)元的個數(shù)，為神經(jīng)網(wǎng)絡的訓練降低了計算的復雜度；后者解決了神經(jīng)網(wǎng)絡權值在選取的上的隨意性問題，避免了由于權值選取的隨意性而導致的網(wǎng)絡容易陷入局部極小值的問題。
　　 為驗證基于混合BP神經(jīng)網(wǎng)絡的分類的有效性，本文將其與傳統(tǒng)BP神經(jīng)網(wǎng)絡和遺傳BP神經(jīng)網(wǎng)絡在復雜樣本中的分類問題上進行了比較。仿真結果表明，本文的方法不僅能夠提高BP神經(jīng)網(wǎng)絡的在數(shù)據(jù)分類上的能力，而且采用混合BP神經(jīng)網(wǎng)絡解決復雜樣本的分類是