bp神经网络的结构优化及应用

《bp神经网络的结构优化及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中山大学硕士学位论文BP神经网络的结构优化及应用姓名：梅君智申请学位级别：硕士专业：软件工程指导教师：张锋20100603BP神经网络的结构优化及应用摘要论文题目：BP神经网络的结构优化及应用专业：软件工程硕士生：梅君智指导教师：张锋摘要随着存储技术、信息技术的发展，知识的发现的需要日益迫切。在这情况下，作为～种有力的发现知识的工具，数据挖掘应运而生。但是，在数据挖掘的过程中，经常碰到的一个问题是要挖掘的数据的特征较为复杂，较难把握并提取其内在联系。神经网络具有非线性的映射能力，能较好地解决这一问题。BP神经网络是现

2、今比较流行的一种神经网络，并且已在各个行业的数据挖掘中得到较广泛的应用。但是，BP神经网络也存在其缺点。隐层结构难以确定就是其中之一。BP神经网络的隐层节点的数目决定了整个网络的规模和性能，若包含太多的隐节点则会导致冗余和网络结构的庞大，增加网络的计算复杂度，致使网络的响应变慢，并且导致网络的‘过拟合’现象；若包含太少的隐节点则会使训练无法完成或是不足以表现要挖掘的对象的特征。一直以来，隐层节点数目的确定都缺乏理论指导，并且，固定的隐节点数较不灵活，会在误差曲面中的平坦区域停留相当长的时间，而且一旦陷入到极小点就会导

3、致训练无法继续。自适应地变化的隐节点数目是此问题的较理想的解决方法。常用的调整隐节点数目的算法包括增长法与修剪法。对于修剪法，在训练的初期需构造一个规模较庞大的网络，这样会使算法复杂度大增。此外，众多学者都指出，网络的隐节点数应尽量取少——即在能够完成训练的基础下．增加l、2个隐节点去提高训练速度即可。为此，本文提出了一种基于梯度变化而增加BP神经网络隐层节点数目的算法。此算法能根据网络训练的情况较好地调整隐节点的数目，并摆脱局部极小点。此外，本文还对遗传算法作出了简要的介绍，并且将这种增长隐节点数目的思想结合到遗传

4、一神经网络算法中。最后，提出了一种房产的估价模型，并使用了广州的房产成交数据，将这两种算法应用到房价的评估实验中。实验证明两种算法都能较有效地定位到IBP神经网络的结构优化及应用摘要较适合的隐节点数、并且有较好的正确率。关键词：数据挖掘、BP神经网络、隐层结构优化、遗传算法、房产评估ArchitectureOptimizationandApplicationofBPNeuralNetworkAbstl"actTitle：ArchitectureOptimizationandApplicationofBPNeuralN

5、etworkMajor：SoftwareengineeringName：MeiJunzhiSupervisor：ZhangFengAbstractAsstoragetechnologyandinformationtechnology’Sdeveloping，knowledge’Sdiscoverybecomemoreandmoreimperative．Inthesituation，asapowerfultoolofknowledge’Sdiscovery，dataminingemerged．Butintheproce

6、dureofdatamining，oneproblemoftenmeetiSthefeaturesofthedataneedtobeminingisSOcomplicated，anditishardtoextracttheinternallinksofthesedata．NeuralNetwork，hasthecapabilityofnonlinearmapping，cansolvetheproblemmorebetter．TheBP—NeuralNetworkisapopulartypeofNeuralNetwor

7、k，andithasappliedtodataminingofmanyindustries．ButBP-NeuralNetworkalsohasdefects．OneofthemiSthestructureofithiddenlayerishardtofix．Thenumberofhiddenlayer’nodeofBP—NeuralNetworkdeterminethesizeandtheperformanceoftheNetwork，ifthenumberofhiddenlayer’nodeistolarge，w

8、illleadredundancy，andmakethenetworkstructuretomassive，andincreasethecomputationalcomplexity，andleadtheresponsetobemoreslowly，evenlead’overfitting’．Ifthenumberofhiddenlayer’n