科研之友
微信
新浪微博
Facebook
分享链接
摘要
使用传统的BP神经网络直接对非线性函数的变化进行预测和拟合,存在着函数收敛序列向其极限逼近的速度慢,预测拟合精度低等不足。针对BP神经网络的优点和不足,论文通过描述对一种理论上优势极强的非线性思维方式和进化过程的算法,适当的调整其初始权重和临界值,使其自身更加容易得到一定的优化。通过它的拓扑结构构造出思维进化算法和模型,值用思维进化算法中的最优解替代它的初始权重和临界,选取多个非线性函数,用MATLAB做拟合仿真实验,对比优化前后测得值与真实值之差,经过对实验结果的不断分析总结,能够得出优化后的BP神经网络速度收敛更快的结果。
-
单位山西大同大学
