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。目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中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、,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，改进方法
Abｓtract
Ｎeural netwoｒk is a crｏss diｓcipline ｗhｉch ｎｏw dｅｖeloｐing vｅry rａｐidly, ｉt iｓ tｈｅ nｏnliｎeaｒitｙ ａdａptive poweｒ syｓtem which made up by aｂunｄanｔ of ｔhｅ prｏcessing units 。 Ｔhe ｎeural ｎetwoｒk ｈａs featｕres ｓucｈ ａs distributed ｓｔoraｇｅ， parａllｅl ｐroceｓsｉng， hiｇh tolerａnce and good self-ｌｅaｒninｇ, adapｔive, assoｃiａte, ｅtc。 Cｕrrenｔly variｏus traiｎｉng aｌgorｉｔhm anｄ netｗork model ｈaｖe beｅn ｐroposｅd , whiｃh ｔhe ｍｏｓt wideｌy usｅd type ｉs Feeｄforｗard neural neｔwｏrｋ moｄｅｌ. Fｅｅdforwaｒd neural netwｏrk tｒaining typｅ used ｉn most of the methoｄ is baｃｋ－proｐaｇation （BP） ａlgｏriｔhm． But wｉｔh the use of BP netwoｒk， ｐeoｐle ｆｉnd thａt the cｏｎｖｅrgｅｎcｅ sｐｅed ｉs sｌow， ａnd eaｓy faｌl into ｔhｅ local minimum． So ｗｅ cａn analyze the causes of pｒoblems, from the two ａspects ｒｅspectively wｅ ｃａn impｒoｖe the BP trａinｉng metｈods ｏf neural ｎetｗork。
Ｋeywｏｒds：ｎeural ｎetwoｒｋ,cｏnvｅｒｇenｃe sｐeｅｄ,local minｉmｕm，BP ｎeural netwｏrk
ｉmｐrｏｖing methods
目录
1 神经网络概述ﻩ３
1。1生物神经元模型 3
1。2人工神经元模型ﻩ3
２ BP神经网络 5
BP神经网络特点ﻩ5
2。2 BP神经网络介绍ﻩ6
３ ＢＰ神经网络算法的改进 8
３．1 ＢP 神经网络训练过程介绍ﻩ8
８
3。３ BP神经网络收敛速度的改进方法ﻩ１0
4 结束语…………………………………………………．。………………….…………１３
【参考文献】 1４
神经网络概述
1。1 生物神经元模型
人脑是由大量的神经细胞组合而成的，它们之间相互连接。每个神经细胞（也称神经元）具体如图１．1所示的结构。
生物神经元模型
由图看出,脑神经元由细胞体、，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。。
图１．２ 人工神经元模型
-Ｐ模型,它是大多数神经网络模型的基础。
—-－代表神经元i与神经元j之间的连接强度（模拟生物神经元之间突触连接强度），称之为连接权;
—--代表神经元i的活跃值,即神经元状态;
--－代表神经元ｊ的输