調節(jié)系數(shù)的BP神經(jīng)網(wǎng)絡在字符識別中的研究.pdf

1、BP神經(jīng)網(wǎng)絡是當前獲得最廣泛應用的神經(jīng)網(wǎng)絡模型之一，但其也存在固有的缺點，例如收斂速度慢、易陷入局部極小、網(wǎng)絡結構難以確定等，這些缺點受到越來越多的科研學者的高度重視。本文針對BP神經(jīng)網(wǎng)絡在一些領域應用并不是很好的情況，提出了一種調節(jié)系數(shù)的BP改進算法，并且通過實驗來驗證新算法的有效性。
　　 本文對BP神經(jīng)網(wǎng)絡模型進行了詳細的介紹，并對BP網(wǎng)絡存在的缺點進行了分析，總結了一些經(jīng)典的BP神經(jīng)網(wǎng)絡的改進算法，之后針對BP網(wǎng)絡訓練速

2、度慢這個缺點，給出了帶有調節(jié)系數(shù)的動量BP模型，給出了新的權值調整公式，給出該算法的思想以及它采取的一些優(yōu)化措施，完成了BP模型的建立，并且提出了網(wǎng)絡訓練算法的步驟。
　　 為驗證本文給出的新的算法的可行性和有效性，本文把動量BP算法和調節(jié)系數(shù)的BP算法應用于字符識別當中，對兩種算法在完成對網(wǎng)絡的訓練所花費的訓練次數(shù)上進行比較，實驗結果表明：第一，在相同的網(wǎng)絡參數(shù)下，本文提出的算法的訓練次數(shù)明顯小于動量BP算法，大大降低了完成網(wǎng)