基于非线性预测的逆传播神经网络算法优化策略研究

逆传播神经网络算法是人工神经网络用于非线性预测的主要学习算法 ,它具有思路清晰、结构严谨、可操作性强等特点 ,但同时也存在预测精度低、收敛速度慢等问题。本文从神经网络模型的结构出发 ,对学习算法提出了一系列改进和优化措施 ,以加快网络的学习速度 ,并增加模型的稳定性。

用于神经网络模式识别的一种改进的BP算法

在对采用BP算法的神经网络进行分析的基础上 ,针对标准BP算法的不足进行了改进 ,并给出了通过对作用函数进行修正后所得到的改进BP算法的应用实例。

决策支持系统中基于神经网络的非线性预测方法

本文说明了在决策支持系统中引入人工神经网络模型进行预测的原因 ,并介绍了在DSS中用于非线性预测所采用的神经网络模型 。