BP神经网络快速收敛算法研究  

New and Rapidly Converging BP Neural Network Algorithm

作　　者：王赟松[1] 褚福磊[1] 何永勇[1] 郭丹[1] 

机构地区：[1]清华大学精密仪器与机械学系

出　　处：《农业机械学报》2004年第6期182-184,共3页Transactions of the Chinese Society for Agricultural Machinery

基　　金：教育部跨世纪优秀人才培养基金资助项目;中国博士后科学基金资助项目 (项目编号 :2 0 0 40 3 5 0 0 5 9);山东省自然科学基金资助项目(项目编号 :Y2 0 0 2 F17)

摘　　要：以标准 BP算法为基础 ,应用 L evenberg- Marquardt优化算法 ,提出了一种快速收敛的 BP算法——L MBP算法。仿真结果表明 ,与标准 BP算法及其他改进形式比较 ,L MBP算法收敛速度大大提高 ,稳定性并未降低 ,这为 BP神经网络应用于实时性要求高的场合 (如在线检测 )提供了算法基础。该算法的缺点是计算量大 ,所需计算机内存大 ,不适合大型网络的计算。The feature of a slow converging of a standard BP neural network algorithm is the main cause of its limitation for a wide application. A new BP algorithm, Levenberg-Marquardt back-propagation algorithm, which could converge rapidly, was developed in this paper based on the least square method and the standard BP algorithm. The experimental result proved that LMBP converged very fast and had a good stability compared with the standard BP algorithm, which meat that LMBP algorithm was suitable for a big network with hundreds of weight values or high training precision demand. The superiority of the algorithm over others is notable if the computer memory is large enough.

关 键 词：神经网络 LMBP算法 Levenberg—Marquardt优化算法 计算机 收敛速度 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]