動態(tài)隧道技術在BP網(wǎng)絡中的應用與研究.pdf

1、動態(tài)隧道算法是一種全局優(yōu)化研究方法。該算法重復以下兩個過程:一是動態(tài)優(yōu)化過程，在該過程中尋找一個局部最小點；二是動態(tài)隧道過程，該過程以該局部最小點為基準找到一個更小的能量區(qū)間，即提供給動態(tài)優(yōu)化過程一個新的初始點。這兩個過程交替進行，直到在動態(tài)隧道階段找不到更小的能量區(qū)間。 訓練神經(jīng)網(wǎng)絡是一個全局優(yōu)化問題，目的是找到使誤差函數(shù)最小的權值距陣。BP算法以其良好的非線性映射逼近能力和泛化能力以及易實現(xiàn)性成為人工神經(jīng)網(wǎng)絡應用最廣泛的訓練

2、算法，但是BP算法也有其明顯的缺陷，即訓練速度慢、容易陷入局部極值等。因此，利用動態(tài)隧道思想來訓練神經(jīng)網(wǎng)絡，并且可以有效避免陷入局部極小。 多軌道動態(tài)隧道算法是在傳統(tǒng)動態(tài)隧道算法基礎上的一種改進。該算法通過增加隧道搜索的方向以及引入彈性系數(shù)來增大找到全局最小點的幾率。 本文將這種多軌道動態(tài)隧道思想引入到BP網(wǎng)絡的訓練中，同時，采用動態(tài)修改誤差限的方法，提出了一種多軌道動態(tài)隧道技術訓練BP網(wǎng)絡算法(MDTTBP)。并將該算

3、法在XOR、某醫(yī)藥公司物流數(shù)據(jù)和KDD CUP三個數(shù)據(jù)集上進行了測試，對傳統(tǒng)動態(tài)隧道技術訓練BP網(wǎng)絡算法(DTTBP)、單純使用多軌道思想的動態(tài)隧道技術訓練BP網(wǎng)絡算法(SMDTTBP)和本文提出的使用多軌道動態(tài)隧道思想結合動態(tài)修改誤差限方法的多軌道動態(tài)隧道訓練BP網(wǎng)絡算法(MDTTBP)的實驗結果進行了對比分析，證明提出的算法可以有效地避免陷入局部極小，同時也提高了傳統(tǒng)動態(tài)隧道技術訓練BP網(wǎng)絡算法的搜索效率。 此外，本文還選用