bp算法运行太慢_BP算法的改进在Matlab的实现研究

摘　要：利用Matlab中的神经网络工具箱提供的丰富网络学习和训练函数，对BP网络和BP算法的优化方案进行仿真，得到较优的BP算法。

关键词：人工神经网络；BP网络；Matlab；NeuralNetwork Toolbox

1　引　言人工神经网络(Artificial Neural

Networks，NN)系统从20世纪40年代末诞生至今仅短短半个多世纪，但由于他具有信息的分布存储、并行处理以及自学习能力等优点，已经在信息处

理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用。尤其是基于误差反向传播(Error

Back Propagation)算法的多层前馈网络(Multiple-Layer Feedforward

Network)(简称BP网络)，可以以任意精度逼近任意的连续函数，所以广泛应用于非线性建模、函数逼近、模式分类等方面。

近年来，为了

解决BP网络收敛速度慢、训练时间长等缺陷，提出了许多改进算法，但在应用BP网络解决实际问题的过程中，选择多少层网络、每层多少个神经元节点；选择何

种传输函数、何种训练算法等，均无可行的理论指导，只能通过实验计算获得。这无形中增加了研究工作量和编程计算量。

在目前工程计算领域较为流行的软件Matlab中，提供了一个现成的神经网络工具箱(NeuralNetworkToolbox，NNTool)，为解决这个问题提供了便利条件［1］。本文针对BP网络和BP算法的优化方案，在介绍NNTool的基础上，给出优化的仿真结果。2　BP算法的分析2．1　BP算法原理［2，3࿳