基于GA-LM的BP神經(jīng)網(wǎng)絡(luò)在數(shù)字濾波器設(shè)計(jì)中的應(yīng)用.pdf

1、BP神經(jīng)網(wǎng)絡(luò)作為一種人工智能技術(shù)經(jīng)歷了半個多世紀(jì)的發(fā)展，取得了令人矚目的進(jìn)展。近年已有國內(nèi)外研究人員將其引入數(shù)字濾波器設(shè)計(jì)中，利用BP神經(jīng)網(wǎng)絡(luò)較強(qiáng)的函數(shù)逼近能力對濾波器理想系統(tǒng)函數(shù)進(jìn)行逼近，取得了良好的效果。但是在BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于數(shù)字濾波器設(shè)計(jì)中，也存在著諸多局限性：網(wǎng)絡(luò)訓(xùn)練容易陷入局部極小值，無法收斂到給定的誤差；訓(xùn)練時間長，迭代次數(shù)多，收斂速度慢；權(quán)值選擇盲目，不具備全局特性等。這些缺點(diǎn)影響了網(wǎng)絡(luò)訓(xùn)練的成果，需要采用一定的方法對B

2、P神經(jīng)網(wǎng)絡(luò)進(jìn)行必要的優(yōu)化。 本文針對上述BP神經(jīng)網(wǎng)絡(luò)存在的問題，提出了優(yōu)化的遺傳LM-BP算法。 LM 算法是一種利用標(biāo)準(zhǔn)數(shù)值優(yōu)化技術(shù)的快速算法，在BP 神經(jīng)網(wǎng)絡(luò)中引入LM可以解決局部極小問題，并加快收斂速度。而遺傳算法是一種建立在生物進(jìn)化理論和遺傳學(xué)知識基礎(chǔ)之上的全局優(yōu)化搜索方法，它具有簡單通用、魯棒性強(qiáng)的優(yōu)點(diǎn)。采用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練權(quán)值進(jìn)行優(yōu)化選擇，從而提高了BP神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近效果。 最后本文將