基于改进BP神经网络的数字识别

作者：王婷; 江文辉; 肖南峰

来源：电子设计工程, 2011, 19(3): 108-112.

DOI：10.3969/j.issn.1674-6236.2011.03.032

• BP神经网络
• 数字识别
• 附加动量法
• 自适应学习速率

针对BP(Back Propagation)神经网络易陷入局部极小、收敛速度慢的缺点,提出了一种新的BP神经网络改进算法.与标准BP算法比较,该系统通过结合附加动量法和自适应学习速率形成新的BP改进算法.附加动量法虽然可以使BP算法避免陷入局部极小,但是对初始值的选取比较敏感,而且选取合适的学习速率比较困难.而自适应学习速率法可以自动把学习速率调整到一个合适的数值,也可以加快网络的收敛速度,但不能避免陷入局部极小.通过将两者结合起来形成新的改进算法,既可以避免陷入局部极小又可以加快网络的收敛速度.并在此基础上设计一个基于BP神经网络的数字识别系统,此系统可以作为核心部分应用到诸如票据等数字识别中去.实验结果表明,该方法成功的避免了BP算法陷入局部极小,而且收敛速度比标准BP算法提高了17.5倍.

• 单位
  华南理工大学