基于極大似然法的神經網絡研究與應用.pdf

1、目前，神經網絡的理論和應用研究得劍了極大的發(fā)展，而且已經滲透到幾乎所有的工程應用領域。BP網絡是一種多層前饋神經網絡，名字源于網絡權值的調整規(guī)則采用的是反向傳播學習算法，即BP學習算法。據統(tǒng)計，在神經網絡的實際應用中，80％～90％的神經網絡模型是采用BP網絡或它的變化形式。雖然在理論上，人們已經證明了多種前饋型網絡，都能以任意精度逼近于L<'2>[R]類或更廣泛的非線性函數，但是，在實際中如何獲得網絡的最優(yōu)權值，并非容易。對于BP算法

2、來說，目前仍未能有效地克服其收斂速度慢、易1陷入局部最優(yōu)、外推能力差等缺陷。尤其是當非線性對象受到較嚴重的噪聲干擾時，輸入-輸出數據不匹配fmismatch)，此時的迭代學習收斂慢，甚至不收斂，即使收斂，也并非逼近于真實系統(tǒng)。因此，如何有效地提高BP網絡學習算法的抗噪能力和泛化能力，是一個重要的、無法回避的問題。 針對BP網絡存在的問題，人們進行了深入的研究并提出了許多的改進方法。因為BP學習規(guī)則的推導是基于最小均方誤差準則，網