一种功能分区的BP神经网络结构设计方法  

Structure model of function-dividing design for BP neural network

作　　者：张昭昭[1,2] 乔俊飞[1] 杨刚[1] 

机构地区：[1]北京工业大学电子信息与控制工程学院,北京100124 [2]辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105

出　　处：《控制与决策》2011年第11期1659-1664,共6页Control and Decision

基　　金：国家自然科学基金项目(60873043);国家"863"计划项目(2009AA04Z155);北京市自然科学基金项目(4092010);教育部博士点基金项目(200800050004);北京市高等学校人才强教计划项目(PHR201006103)

摘　　要：针对全连接BP网络在解决大规模复杂问题时存在的收敛速度缓慢等问题,提出一种功能分区的BP网络结构模式.利用RBF神经元的物理特性对输入样本空间进行分解,并将分解后的样本送给不同的子BP网络学习.与全连接BP网络相比,降低了网络在学习过程中的权值搜索空间,提高了学习速度,改善了网络泛化性能,体现了人脑在学习过程中的知识积累特征.对三维墨西哥草帽函数逼近和双螺旋分类的实验结果表明,该网络能够解决全连接BP网络不能有效解决的问题.For the problem that the fully coupled BP neural network suffers the slow convergence rate to solve the large scale complex problems,a structure model of function-dividing BP neural network architecture is presented.By using the physical characteristics of the RBF neurons,the input sample space is decomposed,and different sub-samples space is sent to different sub-module of BP neural network to learn automatically.Compared with the fully coupled BP neural network,the searching space of weight in the learning process of neural network is reduced,the learning speed and network＇s generalization performance are improved,and the characteristics of the human brain in the learning proces of knowledge accumulation are reflected.Experiments of 3D Mexican hat function approximation and two-spiral classification show that the neural network of function-dividing BP neural network can solve the problem that the fully coupled BP neural network can not solve perfectly.

关 键 词：BP神经网络 功能分区 权值搜索空间 知识积累 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]