基于BP神经网络非线性函数拟合.doc

文档介绍：基于BP神经网络非线性函数拟合
摘要：该文介绍了神经网络领域中BP神经网络的特点及 其算法原理，对BP网络权值的修正规则进行了推导，并对 BP网络存在的问题提出了几点改进，在此基础上对一组非线 性函数的采样数据进行拟合。实验结果表明，BP神经网络能 保证拟合误差在很小的范围之内，说明了其拟合的有效性。
关键词：BP神经网络；非线性函数；拟合；收敛 中图分类号：TP18文献标识码：A文章编号：
1009-3044(2012)27-6579-05
Nonlinear Function Approximation Based on BP Neural Network
ZHANG Bao-kunl, ZHANG Bao-yi2
(1. China Nuclear Control System Engineering Co.,Ltd, Beijing 100076, China； 2. Shenzhen Speedy-Tech Electronics Co. , Ltd, Shenzhen 518004, China)
Abstract： This paper introduces the features and algorithm theorem of BP neural net work, and deduces the update rules of the network weight based on a given BP neural network・ According to several problems of BP neural network, suggestions are pro? vided for these problems. Applicability of BP neural network for nonlinear function approximation is verified by Simulations, and the accuracy can be guaranteed.
Key words： BP neural network； nonlinear function； approximation； convergence
BP (Back Propagation)神经网络是 1986 年由 Rumelhart 和McCelland提出的，它是一种误差按反向传播的多层前馈 网络，是目前应用最广泛的神经网络模型之一。BP神经网络 具有非常强的非线性映射能力，能以任意精度逼近任意连续 函数，因此在人工智能的许多领域都得到了广泛的应用。
通常，BP算法是通过一些学****规则来调整神经元之间的 连接权值，在学****过程中，学****规则以及网络的拓扑结构不 变。然而一个神经网络的信息处理功能不仅取决于神经元之 间的连接强度，而且与网络的拓扑结构(神经元的连接方 式)、神经元的输入输出特性和神经元的阈值有关，因而神 经网络模型要加强自身的适应和学****能力，应该知道如何合 理地自组织网络的拓扑结构，知道改变神经元的激活特性以 及在必要时调整网络的学****参数等。［1］图1多层神经网络 结构
图1中给出的多层神经网络输入层有D个神经元，隐含 层有1个神经元，输出层有m个神经元。其中wij是输入层 第i个神经元和隐