共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
基于回归神经网络自适应快速BP算法 总被引:3,自引:0,他引:3
动态递归网络Elman网络结构简单,运算量少,适合于实时系统辨识。以Elman网络结构推导了在线学习算法。针对于传统BP算法会产生局部收敛和收敛速度慢等缺点,提出了一种改进的自适应BP算法,运用到回归神经网络,提高了在线学习的速度与收敛速度,仿真实验表明了此算法的有效性和快速性。 相似文献
3.
一种递归神经网络的快速并行算法 总被引:6,自引:0,他引:6
针对递归神经网络BP(Back Propagation)学习算法收敛慢的缺陷,提出一种新的递归
神经网络快速并行学习算法.首先,引入递推预报误差(RPE)学习算法,并且证明了其稳定性;
进一步地,为了克服RPE算法集中运算的不足,设计完整的并行结构算法.本算法将计算分配
到神经网络中的每个神经元,完全符合神经网络的并行结构特点,也利于硬件实现.仿真结果表
明,该算法比传统的递归BP学习算法具有更好的收敛性能.理论分析和仿真实验证明,该算法
与RPE集中运算算法相比可以大大节省计算时间. 相似文献
4.
5.
6.
基于PSO的神经网络在传感器
数据融合中的应用 总被引:1,自引:0,他引:1
针对压力传感器对温度存在交叉灵敏度这一具体问题,常采用BP神经网络对其进行数据融合.但BP神经网络方法训练收敛速度慢,易陷入局部最优.采用PSO全局优化算法训练多层前向神经网络权值,使网络训练误差比BP方法降低了两个数量级,并且收敛速度明显加快.融合结果表明基于PSO神经网络方法更有效地消除了温度对压力传感器的影响,显著提高了传感器的稳定性和准确度. 相似文献
7.
8.
研究了共轭梯度算法、拟牛顿算法、LM算法三类常用的数值优化改进算法,基于这三类数值优化算法分别对BP神经网络进行改进,并构建了相应的BP神经网络分类模型,将构建的分类模型应用于二维向量模式的分类,并进行了泛化能力测试,将不同BP网络分类模型的分类结果进行对比. 仿真结果表明,对于中小规模的网络而言,LM数值优化算法改进的BP网络的分类结果最为精确,收敛速度最快,分类性能最优;共轭梯度数值优化算法改进的BP网络的分类结果误差最大,收敛速度最慢,分类性能最差;拟牛顿数值优化算法改进的BP网络的分类结果误差值、收敛速度及分类性能介于上述两种算法之间. 相似文献
9.
遗传BP网络在机载雷达故障诊断中的应用研究 总被引:1,自引:1,他引:0
对遗传算法优化的BP神经网络在某型机载雷达发射机中故障诊断应用进行了研究,目的是应用遗传算法的全局最优性解决BP神经网络容易陷入局部极小的问题,从而提高BP神经网络的学习速度和精度.通过MATLAB仿真,GA-BP神经网络在发射机故障诊断中网络训练收敛速度和误差精度都明显优于BP网络,进一步验证了遗传BP神经网络学习速度快、预测精度高、泛化效果好,很适合应用于雷达等电子设备的故障诊断. 相似文献