一种改进的BP神经网络在遥感图像分类中的应用

反向传播神经网络（ＢＰ网络）能解决传统统计分类方法的不足，现已逐渐用于遥感图像分类中，研究用一种新的改进ＢＰ算法进行遥感图像分类。方法用线性搜索的共轭梯度法（ＣＧＬ）动态选取学习速率以提高训练速度，结果计算机仿真表明，在分类精度未下降的情况下，训练时间较其它改进算法减少５一１１０ｓ．结论该方法避免了存储量大的负担及误差函数的发散，适用于遥感图像的分类。

一种改善BP神经网络性能的方法研究

BP神经网络目前被广泛应用,但是其收敛速度慢、预测精度不高的缺点却一直被人所诟病,因此,在传统BP神经网络中使用附加动量项法以及动态学习速率法,并以两者的融合为基础提出了陡峭因子可调激活函数法来改进BP神经网络。以非线性函数拟合为实例,从收敛速度和预测精度两方面对比分析两种方法,实验证明所提出的改进方法明显提高BP神经网络的收敛速度以及精度。