演化神经网络学习方法及其应用

在基于梯度下降原理的ＢＰ网络学习过程中，权值的获取方法是采用某个确定的权值变化规则，然后在训练中逐步调整，最终得到一个较好的权值分布。但它往往会因非线性多极值目标函数而陷于局部最优解。本文采用全局寻优的遗传算法（ＧＡ）和基于梯度下降的局部寻优反传算法（ＢＰ）相结合来训练网络，使网络的连接权在不断迭代过程中自适应演化。通过在ＮＨ地区利用井旁道地震特征参数外推重建井底以下声波曲线的实践，表明这种演化学习方法可以克服传统方法的不足，而且还能避免训练中的“伪学习”现象，提高网络的推广预测能力。