针对传统的误差反传(Error Back Propagation Network,BP)神经网络算法中学习速率固定不变、收敛速度慢且易陷入局部极小点等问题,提出一种基于信度的BP神经网络方法.该方法在各层权值和偏差调整中,通过引入各个权值对误差的贡献率使学...针对传统的误差反传(Error Back Propagation Network,BP)神经网络算法中学习速率固定不变、收敛速度慢且易陷入局部极小点等问题,提出一种基于信度的BP神经网络方法.该方法在各层权值和偏差调整中,通过引入各个权值对误差的贡献率使学习速率根据误差和贡献率连续变化,而且结合动量系数法快速跳出局部极小值区域,消除训练过程振荡,提高网络学习效率.仿真实验表明,改进后的BP神经网络比传统的BP神经网络不仅提高了网络学习速度,而且具有良好的收敛性.展开更多
文摘针对传统的误差反传(Error Back Propagation Network,BP)神经网络算法中学习速率固定不变、收敛速度慢且易陷入局部极小点等问题,提出一种基于信度的BP神经网络方法.该方法在各层权值和偏差调整中,通过引入各个权值对误差的贡献率使学习速率根据误差和贡献率连续变化,而且结合动量系数法快速跳出局部极小值区域,消除训练过程振荡,提高网络学习效率.仿真实验表明,改进后的BP神经网络比传统的BP神经网络不仅提高了网络学习速度,而且具有良好的收敛性.