bp算法运行太慢_BP算法的缺点与改进

BP

算法的缺点与改进

目前，

BP

网络得到了越来越广泛的应用，但是

BP

算法在应用中也同时暴露出一定的缺陷

:

l)

训练次数多，学习效率低，收敛速度慢

;

2)

易形成局部极小

;

’

3)

隐层神经元的数目难以确定

;

4)

训练时有学习新样本而忘记旧样本的趋势。

针对这些缺陷，国内外研究者提出了许多有效的改进方法，如

:

l)

改进学习率参数的调节方法，如使学习率粉的大小随误差梯度变化

;

2)

改进神经网络的结构，如增加隐层神经元的数目

;

3)

改变激励函数，如把

sigmoid

函数改成分段函数

;

4)

权值修正方法，如增加动量项。

(1)BP

神经网络的建立

神经网络工具箱含有许多专用函数用来建立神经网络，

其中函数

newff()

来创建一个

BP

神经

网络。此函数的调用格式为

:

net=newff(PR

，

【

5152

„

S

司，

{TITZ

„

TN}

，

BTF

，

BLF

，

PF)

net=newff:

用于在对话框中创建

BP

神经网络

;

PR:R*2

维矩阵

(

共有

R

组输入

)

，每行由每组输入的最大值和最小值组

si:

第

i

层神经元数

;

Ti:

第

i

层的激励函数，

“

tansig

”为默认时函数

;

BTF:BP

神经网络的训练函数，

“

traiulm

”为默认时函数

;

BLF:BP

神经网络中权值和阂值的算法，

“

leamgdm

”为默认函数

;

PF:BP

神经网络的性能函数，

“

mse

”为默认函数。