试析参数自调节的bp-神经网络研究

《试析参数自调节的bp-神经网络研究》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、河北农业大学硕士学位论文参数自调节的BP-神经网络研究姓名：靳松申请学位级别：硕士专业：农业机械化工程指导教师：蒋文科2003.5.1摘要BP(BackPropagation)冀法是潲练多毽前淘神经弼络酶算法中最常j{；l、在实际藏尉中效聚最好的一种。耪潍BP算法应用甚广，解决了许多的实际问题，懊月时它也存在饕诸如在收敛过程中容易陷入局部摄小点、收敛速度稷慢以及网络的结橡参数(隐髅数、隐鼷单元)积运筹参数(步长、非线洼涵数韵选择)等都瀚无公试蟾理论指导等翔题。虽然汪经掇出了许多对标准BP算法的改进方法，值目前还没有一种改进方法熊够得到研究者们的公认，闲此对

2、标准BP算法的改进仍然瓣要丈量两细致的研究工作。本文提出一手巾对标准BP算法进行改进的方法，与大多数改进算法不圈，本文提出懿改遴黧法一方蠹修教嬲络节熹撵翔函数，通过动态谪整节点作用嫡数的陡峭度米搬快璃络静收敛：弱一方蕊，在BP算法中增加动鬣项。在讲练过程中，动态调整节点作弼函数的调节西子，使学习率和动鬃项的懊瞧因子等参数成为误差点的函数，搬据误差的变化劫态的做出参数童调节，既力嚣快了耀络麴学弼速度，又避免了陷入局部最小点，瓣最终达到金鼹l嶷敛。遴过对改进躲BP算法进行静MATLAB傍囊缡聚表明，改进的算法达到_『预期静霜的。农鼗楚一个复杂的大系统。农作物的

3、生长受多种囡紊的制麴、而影响农作物长势的一个主要因索是病虫害，如粜瘸虫害不能得至《及时黥淫将造成农鼗经济上鲍蓬大按失。要及时防渔必须颓钡l准确。A王神经列络则能够解决农鼗系统中的关系复杂、边器搂糊、不确定性强等难子瘸溉g《或数学模型来严格播述韵阍殛。困扰，在文章静最后，褐建了～个基于本文提出的馥进酌BP算法的神经阏络模型米预测穗花棉铃虫病斑誊，通过对此神经潮络的MATLAB仿真表明，预澳4准确，达到了缀好豹效粜。关键词：参数自调节；人工神经嬲终；BP舞法：收敛{动量瑗；独剑牲声明本人声弱爨麓交豹攀袋谂文鼹本人在罨舜指导下避圣亍豹职究工律及敬季导的研究残暴。

4、撼我掰知，除了文巾特别加以标淀葺Ⅱ致谢鼬地方外，论文中不包含其他入已经发表或撰萼避豹嫒究成聚，也誉包含为获褥墨l!蔓鏊垒：：兢其他教育辊构的学位或涟豢嚣使用避的材料。与我一嗣工作的同志对本研究J

5、jI}做的任何黉熬均忍在论文中露了弱确豹说磷势袭示谢意。学搜谂文撵者签名：锄职签字妇期；强习年多月，拍学位论文版权使用授权书本学位论文作者完全了解i§．鬈煎蔓!量有关僳醒、使用举位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阕。本人授权舷垡盘殛!《可以将学佼论文的全部或部分内容缡入有关数据库进行检索，可以采用影印、缩印或扫描

6、等复制手段保存、汇编学位论文。(保密懿学位论文在解密盛适用本授权鹊)学位论文僚者签名：孽易较签字日期：馕《年f月，娲尊邸楚名：蒋立衅签字翅翘：蟛年刍月薅曩叁墼i塑堇塑!!：垫丝塑塑堡塞笙上望』皇羔7-!L引言自从20世纪80年代以来，人工神经网络技术就在全世界范围内迅速的发展起来。其中的主要原因是人工神经网络的结构和它的计算方法是在模拟人类大脑的结构和思维方式的基础上建立起来的。人的大脑实际上是由很复杂的神经网络所组成，正是因为这些神经网络的作用，人才能以很高的速度理解感觉器官传来的信息，尽管这些信息有时含糊不清。另外还有一个最重要的方面，就是人脑的学习能

7、力和创造能力，它能从环境中学习t从书本中学习，从所经历的事件中学习。并能利用所学到的知识去创造新的知识，所有的这一切都是目前任何一种人造机器所望尘莫及的。人工神经网络就是模拟人的大脑神经网络的原理来构成一种人造的大脑，或者说将目前的电脑变成“大脑”。到目前为止，人工神经网络系统已经具有一些同人脑相类似的特点，在信息的分布式存储、数据的并行处理以及利用外来的信息进行自学习的能力等方面都同人脑很相似。所以它在智能控制、信息处理、模式识别等领域已经起着重要的作用并有着广泛的应用前景11,54,56]。自1943年第一个神经网络模型一~虹，模型被提出至今，神经网络

8、的发展十分迅速，特别是1982年提出的Hopfield神经网络模型和1985年Rumelhart提出的反向传播算法BP，使Hopfield模型和多层前馈型神经网络成为用途广泛的神经网络模型，在语音识别、模式识别、图像处理和工业控制等领域的应用颇有成效IzJ。目前自动控制领域所面临的主要难题是控制对象越来越复杂、有多种不确定的、难以确切描述的非线性问题。这样对控制系统的要求越来越高，要求智能化的控制方法。由于神经网络源于对脑神经的模拟，有很强的适应复杂环境的能力和对多目标控制有很好的自学习能力，并可以任意精度逼近非线性连续函数的特性。这正好能解决控制领域的许

9、多难题IlJ。从神经网络研究的发展历史和现状我们可以看出：1．神经