文档介绍：摘要神经网络是一门发展十分迅速的交叉学科,它是由大量的处理单元组成非线性的大规模自适应动力系统。神经网络具有分布式存储、并行处理、高容错能力以及良好的自学****自适应、联想等特点。日前已经提出了多种训练算法和网络模型,其中应用最广泛的是前馈型神经网络。前馈型神经网络训练屮使用最多的方法是误差反向传播(BP)学****算法。但随着使用的广泛,人们发现BP网络存在收敛速度缓慢、易陷入局部极小等缺陷。于是我们就可以分析其产牛问题的原因,从收敛速度和局部极小两个方面分别提出改进的BP网络训练方法。关键字:神经网络,收敛速度,局部极小,BP网络,workisacrossdisciplinewhichnowdevelopingveryrapidly,,parallelprocessing,hightoleranceandgoodself-learning,adaptive,associate,,-propagation(BP),peoplefindthattheconvergencespeedisslow,,:work,convergencespeed,localminimum,workimprovingmethods目录1神经网络概述 31生物神经元模型 错误!未定义书签。2人工神经元模型 错误!未定义书签。BP神经网络 错误!未定义书签。1BP神经网络特点 错误!未定义书签。BP神经网络介绍 错误!未定义书签。BP神经网络算法的改进 8BP神经网络训练过程介绍 82动态调节学****率的改进方法 8BP神经网络收敛速度的改进方法 11结束语 •• ・ 13【参考文献】 ,它们之间相互连接。毎个神经细胞(也称神经元)。,脑神经元由细胞体、树突和轴突构成。细胞体是神经元的中心,它一般又由细胞核、细胞膜等构成。树突是神经元的主要接受器,它主要用來接受信息。轴突的作用主要是传导信息,它将信息从轴突的起点传到轴突末梢,轴突末梢与另一个神经元的树突或细胞体构成一种突触的机构。通过突触实现神经元之间的信息传递。人工神经元模型人工神经网络是利用物理器件来模拟生物神经网络的某些结构和功能。。uzPm*r—”-P模型,它是大多数神经网络模型的基础。匕广一代表神经元i与神经元jZ间的连接强度(模拟生物神经元Z间突触连接强度),称之为连接权;色一-代表神经元i的活跃值,即神经元状态;匕•---代表神经元j的输出,即是神经元i的一个输入;0---代表神经元的阐值。函数f表达了神经元的输入输出特性。在M-P模型中,f定义为阶跳函数:v/=/(wz)1,ut>0<0人工神经网络是一个并行与分布式的信息处理网络结构,该网络结构一般由许多个神经元组成,每个神经元由一个单一的输出,它可以连接到许多其他的神经元,其输出有多个连接通路,每个连接通路对应一个连接权系数。严格来说,神经网络是一个具有如下性质的有向图。(1) 对于每个结点有一个状态变量®;(2) 结点i到结点j有一个连接权系数兮•;(3) 对于每个结点有一个阈值&门(4) 对于每个结点定义一个变换函数川兀,耳0(总丿)],最常见的情形为f送 ,做为前馈网络,右为反馈网络。图1・3典型的神经元网络结构2・BP神经网络人工神经网络是一种信息处理系统,它有很多种模型。其中有一种用误差传播学****算法(ErrorBackPropagation即BP算法)进行训练的多层前馈神经网络,简称为BP网络。BP神经网络模型是人工神经网络的重要模型之一。它有广泛的应用,主要包括模式识别及分类、故障智能诊断、图像处理、函数拟合、最优预测等方面的应用。1 BP神经网络特点:1) 分布式的信息存储方式神经网络是以各个处理器本身的状态和它们之间的连接形式存储信息的,一个信息