BP神经网络容噪性分析及其应用

噪声无处不在,而样本中含有噪声会对神经网络学习的效果产生重要的影响,因此,对神经网络容噪性的研究具有重要的实际意义.通过实验分析了样本数据中噪声、噪声频率及样本数据各个属性的噪声频率的差异对BP神经网络学习性能的影响.文章最后分析了RoboCup的噪声模型,认为RoboCup的噪声是一种PRAv噪声,并设计了一种容噪BP神经网络,把其应用到RoboCup的五类截球动作中,取得了好的效果.