基于近域去重法改进的bp神经网络算法

《基于近域去重法改进的bp神经网络算法》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、＇－－—．‘ｆ．．，．Ｖ—－硕±学位论文基于近域去重法改进的ＢＰ神经网络算法ＡＮｅｗＩｍｐｒｏｖｅｄＢＰＮｅｕｒａｌＮｅｔｗｏｒｋＢａｓｅｄｏｎＤｕｐｌｉｃａｔｉｏｎＲｅｍｏｖａｌｏ打Ｎｅｉｇｈｂｏｒｈｏｏｄ学号Ｅ１３２０１０４９姓名濯增辉，尸；Ｗ＇学位类别工学硕±Ｕ，—计算机应用技术指导教师周爱武完成时间２０１６年３月＇答辩委员会，主席签名一，而＾叫独创性声明本人声明所呈交的学位论文是本人在导师指导下

2、进行的研究工作及取得的研究成果。据我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得安敷大学或其他教育机构的学位或证书而使用进的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明碗的说明并表示谢意。学位论文作者签名：签字日期；年文月〇日学位论文版权使用授权书本学位论文作者壳全了解安徽大学有关保留，有、使巧学位论文的规定权保留并向国家有关部口或机构送交论文的复印件和磋盘，允巧论文被查阅和借阅。本人授权安教大学可Ｗ将学位论文的全部或部分内容

3、菊入有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复、汇编学位论文制手段保存。（保密的学位论文在解密后适用本授权书）学位论文作者签名：导师签名：度滅签字曰期：年５：七：月曰签字曰期年ｒ月曰安徽大学硕±学位论文摘要神经网络算法今年来被国内外学者大量的研究和讨论，在学术领域中属于智能算法和人工智能的重要组成部分，其被广泛的用于机器学习、模式识别、数据，不仅如此挖掘领域等领域，神经网络算法因为强大的建模能力，也快速的蔓延向其他学科。本文重点研巧最具有代表性的ＢＰ神经网络算法，从单神经元的线性

4、拟合能力开始到多层多神经元的非线性的问题解决的论证，经过对ＢＰ神经网络算法的推导，详细的解释了算法原理，在这个过程中暴露出了算法各方面的缺点，比如梯度下降法收敛慢，训练时间长等问题。，介绍并研究了大量学者的改进工作论文针对这些缺点，其中最重要的将ＢＰ神经网络算法中的目标函数最小值的求解问题单独抽象出来，成为无约束非线性的最优化问题，由此引入最优化理论来对此进行了深入的研究，利用理论中的牛顿法、拟牛顿法、共觀梯度法来计算目标函数最值的方向，结合线捜索法和信赖域方法确定该方向上的步长，解决了梯度下降的固有问题；

5、对于激活函数的介绍了其选择标准和近期提出的一些更利于收敛的新型函数方程；针对学习速率一些自适应的方法和动量因子介绍了，可Ｗ随着神经网络训练而改变自身Ｗ更优针对目标函数的解捜索策略一些启发式的算法如遗传算法和模于收敛，引入了；一终也能得到不错的收敛拟退火算法，从另方面来捜索解空间，最此外还讨论；了网络结构和初始值的选择。经过这些研巧，ＢＰ神经网络的各个组成部分如同零件可按需拆解和组合，对于ＢＰ神经网络的了解更加深入。论文特别的针对ＢＰ神经网络算法难Ｗ跳出局部最优点的缺点，先找到该问题存在的根源，介绍了现有

6、的解决方案，之后提出了近域去重法改进的ＢＰ神经网络算法，利用爬坡法和遗传算法搜索解空间，并使用近域去重法来去掉重复的解。文中对这种方法进行了详细的介绍，么后结合拟牛顿下降法和Ｌｅｖｅｎｂｅｒ－Ｍａｒｕａｒｄ足够的实验对比的方式来证ｔ法用Ｗ改进ＢＰ神经网络ｇｑ，使用明新算法的优势，对比结果说明，改进的ＢＰ神经网络算法拥有更强大的收敛能力，其最终得到的解优于最开始得到的局部最优解，验证了所提出方法的有效性。Ｉ安徽大学硕±学位论文基于近域去重法改进的ＢＰ神经网络算法关键字：ＢＰ神经网络；最优化理论；启发式算

7、法；全局最优；爬坡法；近域去重法凸安徽大学硕±学位论文ＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＮｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍｈａｓｂｅｅｎｄｉｓｃｕｓｓｅｄｂｙａｌｏｔｏｆｒｅｓｅａｒｃｈｅｒｓｂｏｔｈｈｅｒｅａｎｄａｂｒｏａｄ化ｌａｓａｉｍｏｒｔａｎｔｒｏｌｅｉｎａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｅ打ｃｅａｎｄｈｅｕｒｉｓｔｉｃａｌｒｉｔｈｍｓ，ｐｙｐｇｇｏ，＇ｉｌｉｎａｌｃａｔｉｏｎｉｔｓａｌｓｏｕｓｅｄｂｒｏａｄｌｉｎｍａｃｈｉｎｅｅａ

8、ｒｎｉｎａｔｅｒｎｒｅｃｏｎｉｔｉｏｎａｎｄｄａｔａｐｐ，ｙｇ，ｇｐ＇ｍｉｎｉｎｇ，ｍｏｒｅｔｈａｎｔｈａｔｂｅｃａｕｓｅｏｆｉｔｓｍｏｄｅｌａｂｉｌｉｔｙ，ｎｏｔｏｎｌｙｓｕｂｊｅ