基于自适应方式的改进BP神经网络关键技术研究与应用

《基于自适应方式的改进BP神经网络关键技术研究与应用》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、分类号：学校代号：10150UDC：密级：学号：20133164全日制专业硕士学位论文基于自适应方式的改进BP神经网络关键技术研究与应用ResearchontheImprovementofBPNeuralNetworkKeyTechnologyBasedOnSelf-adaptiveApproachesanditsApplication学生姓名：佟研校内导师及职称：黄明教授企业导师及职称：姜宾高工工程领域：计算机技术研究方向：自适应算法、人工神经网络论文类型：应用研究申请学位：工程硕士论文答辩日期：2017年6月18日学

2、位授予单位：大连交通大学IIIIV摘要随着BP神经网络研究的逐渐深入，如何优化网络的结构，提高BP神经网络的寻优训练及泛化能力已引起人们更广泛的关注。许多学者尝试利用遗传算法、主成分分析法等多种方法对BP神经网络进行改进。通常从样本采集、网络结构的确定、易陷入局部最优、收敛速度慢以及神经网络的稳定性这五个方面进行理论研究和实践总结，对BP神经网络进行优化，以便能够更准确、快速地进行预测和分析，以此来提高BP神经网络的寻优训练性能。本文主要从两方面研究BP神经网络的寻优训练能力：一方面研究了BP神经网络的学习规则，提出基于

3、自适应方式的变步长梯度算法，算法建立了可变步长的自适应数学模型，解决了在极小点附近收敛速度慢的问题，提高了网络学习的泛化寻优能力；另一方面研究了输入样本的特征选取和网络结点间权重的变化，提出了基于自适应方式的KD-BP神经网络特征选取优化算法，算法采用K近邻的搜索方法对样本进行特征分类，优化了输入样本的结构，并通过建立权重的冲量项模型，避免了易陷入局部最优的问题。实验结果验证提出的算法有效提高了结点选取的泛化能力及分类特征的推理效率。本文将提出的算法应用在变压器的故障诊断中，有效地解决了因变压器故障原因判断不明导致的维护

4、处理缓慢的问题，提高了对故障原因的分析诊断速度，快速地缩小了变压器故障诊断的范围并及时准确地给出变压器合理维护方案。关键词:自适应算法;BP神经网络;KD树;冲量项;网络结构参数IAbstractWiththeresearchonBPneuralnetworkdeepeninggradually,howtooptimizethestructureofnetwork,increasethetrainingoflookingfortheoptimizationandimprovetheabilityofgeneralizat

5、ioninBPneuralnetworkhavelargelyattractedpeople'sattention.Manyscholarshavetriedtousethegeneticalgorithm,cloudcomputingandothermethodstomakealotoftheoreticalpracticeformanyissues,suchasBPneuralnetworksamplecollection,thedetermineofnetworkstructure,fallingintothelo

6、caloptimaleasily,slowconvergencespeed,andthestabilityoftheneuralnetwork.TheyalsohavemadesomeimprovementsonBPneuralnetworksothattheycandoaccurateandfastpredictionandanalysis,whichimprovetheBPneuralnetworkoptimizationtrainingperformance.Inthispaper,westudytheBPneur

7、alnetworkoptimizationtrainingabilitymainlyfromtwoaspects.Ontheonehand,westudythelearningruleofBPneuralnetwork.Weproposeavariablestepgradientalgorithmbasedonself-adaptivemethod,whichputsforwardtheself-adaptivemathematicalmodelandsolvestheproblemofslowconvergencesp

8、eedneartheminimumpointandalsoimprovesthegeneralizationabilityofthenetworklearning.Ontheotherhand,westudythefeatureselectionoftheinputsampleandthechangeofthewei