基于改进的BP神经网络和禁忌表的图像压缩与重构

针对BP神经网络容易陷入局部极小值的问题,借鉴模拟退火算法中metropolis接受准则的思想并加以改进,并引入禁忌(taboo)搜索算法中的禁忌表,在系统跳出局部极小值时对极小点进行记录比较,使得在处理多局部极小值系统时更加高效与精确。将改进后的算法应用于BP网络,从而构造出一种更易跳出局部极小值的改进的神经网络。最后,运用改进后的神经网络算法进行图像压缩与重构,实验结果表明改进后的神经网络收敛速度更快,具有更高的效率与精度。