bp是一种按误差逆传播算法训练的多层前馈网络，是应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input...
BP网络是一种前馈式神经元网络，这种网络是1985年提出.在这种网络中，有两种信号在流动:一是工作信号，它是施加输入信号后向前传播，直到在输出端产生实际输出的信号，是输入和权值的函数;二是误差信号，网络实际输出与理论输出间的差值即为误差，它由输出端开始，逐层向后传播.设在第n次迭代中输出端的第j个单元...
《改进的BP神经网络在地下水质评价中的应用》是杜刚撰写的一篇论文。论文摘要 人工神经网络(Artificial Neural Network,简称ANN)是一种利用计算机模拟人脑神经组织的运算模型。它具有很强的自适应性、自组织性和容错性能,已被广泛地应用于信息处理、自动控制和模式识别等方面。神经网络包含很多并行处理信息的单元,即神经元...
介绍了一种基于改进的粒子群算法BP神经网络(IBPPSO)来预测天气情况。粒子群算法BP神经网络(BPPSO)弥补了BP神经网络迭代次数多,运算速度慢的缺点。粒子群算法中学习因子(c1、c2)、惯性权重(w)设定为常数,实际情况下,c1、c2、w随迭代次数而变化。文章对粒子群算法进行适当改进,对最佳位置的搜索从全局的大范围渐渐向...
《BP神经网络在线学习算法的确定型收敛性》是依托大连理工大学,由吴微担任醒目负责人的面上项目。项目摘要 本项目考虑人工神经网络权值学习中广泛使用的在线梯度法的收敛性,这是神经网络研究对计算数学提出的一个新课题．在上一个自然科学基金项目中，我们研究了不带隐层的前馈网络，给出了一系列确定型收敛性结果。本...
BP算法是由学习过程由信号的正向传播与误差的反向传播两个过程组成。由于多层前馈网络的训练经常采用误差反向传播算法，人们也常把将多层前馈网络直接称为BP网络。原理 BP算法由信号的正向传播和误差的反向传播两个过程组成。正向传播时，输入样本从输入层进入网络，经隐层逐层传递至输出层，如果输出层的实际输出与期望...
《一种改进的BP神经网络算法及其应用》是褚辉、赖惠成撰写的一篇论文。论文摘要 BP算法是目前应用最为广泛的神经网络学习算法,但原始算法收敛速率慢,训练过程易陷入局部极小值以及隐层节点数选择困难。针对这些问题提出了不少改进措施,文中提出了一种改进的BP神经网络算法,在BP算法基础上,从训练算法着手,通过误差的...
《一种改进的BP神经网络算法及其在集中供热系统中的应用》是赵利民撰写的一篇论文。论文摘要 近几年，集中供热系统得到了普遍的应用，这是因为集中供热能够提高能源利用率、节约能源。因此，本文改进了BP神经网络算法，并根据BP算法的特点将其应用到集中供热应用系统中。本文首先对BP算法的学习率进行改进，使学习率...
《一种改进的BP神经网络算法与应用》是张月琴、刘翔等撰写的一篇论文。论文摘要 针对传统BP算法存在的收敛速度过慢、易陷入局部极小、缺乏统一的理论指导网络结构设计的缺点,分析了一般的改进算法在神经网络优化过程中存在的问题,从蚁群算法和BP算法融合的角度上,并引入了放大因子,提出一种综合改进的BP算法。该算法引入...