期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于改进BP算法的入侵检测神经网络方法 被引量:11
1
作者 王磊 廖晓峰 《计算机工程与应用》 CSCD 北大核心 2004年第31期69-71,119,共4页
论文利用基于Cauchy误差估计器的BP算法对入侵检测系统进行了研究,改进的BP算法较传统BP算法具有收敛速度快、正确检测率高的优点,实验结果表明:该方法较为圆满地解决了入侵检测系统所需要的实时性、适应性、可用性、可靠性和准确性等... 论文利用基于Cauchy误差估计器的BP算法对入侵检测系统进行了研究,改进的BP算法较传统BP算法具有收敛速度快、正确检测率高的优点,实验结果表明:该方法较为圆满地解决了入侵检测系统所需要的实时性、适应性、可用性、可靠性和准确性等方面的要求,这为入侵检测提供了一个新的研究手段与方法。 展开更多
关键词 入侵检测 神经网络 bp算法 误差估计器
在线阅读 下载PDF
动态调整学习速率的BP改进算法 被引量:7
2
作者 王玲芝 王忠民 《计算机应用》 CSCD 北大核心 2009年第7期1894-1896,共3页
在基本反向传播(BP)算法中,学习速率往往固定不变,限制了网络的收敛速度和稳定性。因此,提出一种动态调整BP网络学习速率的算法,以BP网络输出层节点的实际输出值与期望输出值的平均绝对值误差及其变化率为自变量,找出学习速率与两个自... 在基本反向传播(BP)算法中,学习速率往往固定不变,限制了网络的收敛速度和稳定性。因此,提出一种动态调整BP网络学习速率的算法,以BP网络输出层节点的实际输出值与期望输出值的平均绝对值误差及其变化率为自变量,找出学习速率与两个自变量之间的函数关系。根据网络的实际学习情况,对学习速率进行动态调整。实例仿真结果表明,改进的BP算法在保持网络稳定性的同时,具有更快的收敛速度。而且,该算法只需恰当地选取几个参数,不受条件限制,因此具有普遍的适用性。 展开更多
关键词 反向传播算法 学习速率 动态调整 平均绝对值误差 变化率
在线阅读 下载PDF
基于反馈调控参数的BP学习算法研究 被引量:5
3
作者 苏小红 王亚东 马培军 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2005年第10期1311-1314,共4页
为解决经遗传算法优化后的BP网络极易陷入饱和区域而导致网络学习停滞的问题,基于神经生理解剖学关于神经电位脉冲发放系统和神经递质系统的耦合机理,提出一种改进的基于反馈调控参数的BP学习算法,通过反馈调控参数对神经元的节点输出... 为解决经遗传算法优化后的BP网络极易陷入饱和区域而导致网络学习停滞的问题,基于神经生理解剖学关于神经电位脉冲发放系统和神经递质系统的耦合机理,提出一种改进的基于反馈调控参数的BP学习算法,通过反馈调控参数对神经元的节点输出进行扰动,避免学习过程中发生权值调整量趋于0的问题,从而解决经遗传算法优化后的BP网络容易出现的饱和区域问题.仿真实验结果表明,该方法能有效克服饱和区域引起的学习停滞问题,提高BP网络对遗传算法优化结果的精确定位能力,而且还具有收敛速度快和稳定性好的优点和在较大权值空间中的寻优能力. 展开更多
关键词 多层前馈网络 误差反向传播学习算法 饱和区域问题
在线阅读 下载PDF
带一类自适应非线性特性的变步长BP学习算法 被引量:2
4
作者 杨慧中 陶振麟 张素贞 《系统仿真学报》 CAS CSCD 2001年第z1期108-110,共3页
针对前馈神经网络的反向传播(BP)学习算法收敛速度慢、易陷入局部最小等缺点,本文提出了在BP搜索进入误差代价函数曲率较小、收敛速度较慢处时,在变步长BP学习算法的基础上,引入一个非线性特性项,并将该特性项的强度系数构造为具有升温... 针对前馈神经网络的反向传播(BP)学习算法收敛速度慢、易陷入局部最小等缺点,本文提出了在BP搜索进入误差代价函数曲率较小、收敛速度较慢处时,在变步长BP学习算法的基础上,引入一个非线性特性项,并将该特性项的强度系数构造为具有升温、降温策略控制的自适应非线性函数。仿真结果表明,该算法的收敛稳定、快速,具有较好的效果。 展开更多
关键词 神经网络 bp学习算法 自适应非线性特性项 误差代价函数
在线阅读 下载PDF
前向神经网络学习速率的自适应算法(英文) 被引量:6
5
作者 刘巧歌 付梦印 邓志红 《系统仿真学报》 EI CAS CSCD 北大核心 2006年第3期698-700,705,共4页
学习速率是控制神经网络学习过程的一个重要参数,影响神经网络的稳定性和快速性。提出了一种能够满足实时性要求的神经网络学习速率的自适应算法,并证明了在该学习速率下,神经网络的学习过程是Lyapunov意义稳定的。该方法通过为神经网... 学习速率是控制神经网络学习过程的一个重要参数,影响神经网络的稳定性和快速性。提出了一种能够满足实时性要求的神经网络学习速率的自适应算法,并证明了在该学习速率下,神经网络的学习过程是Lyapunov意义稳定的。该方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误差的影响,从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真,结果证明了该方法的有效性。 展开更多
关键词 学习速率 学习误差 神经网络 bp算法
在线阅读 下载PDF
基于混合学习算法的材料计算数据误差估计 被引量:1
6
作者 王娟 杨小渝 +2 位作者 王宗国 任杰 赵旭山 《系统仿真学报》 CAS CSCD 北大核心 2018年第10期3843-3852,3860,共11页
鉴于低误差的基于密度泛函理论的材料计算模拟数据在新材料设计与发现中的重要性,提出一种基于BP神经网络和粒子群优化(particleswarmoptimization,PSO)混合学习算法的材料计算数据误差估计建模方法。结合PSO的全局搜索和BP算法的局部... 鉴于低误差的基于密度泛函理论的材料计算模拟数据在新材料设计与发现中的重要性,提出一种基于BP神经网络和粒子群优化(particleswarmoptimization,PSO)混合学习算法的材料计算数据误差估计建模方法。结合PSO的全局搜索和BP算法的局部搜索优点,将不含速度项的简化PSO算法和BP算法相结合,提出一种PSO和BP混合的学习方法(tsPSO-BP),用于训练材料计算模拟数据误差估计神经网络模型,并以立方晶系二元合金弹性常数计算模拟数据误差估计为应用实例。应用结果表明ts PSO-BP训练后的弹性常数计算模拟误差预测神经网络模型预测的C_(11),C_(12)和C_(44)的计算模拟数据误差的准确率分别达到88.19%,87.83%和88.26%。 展开更多
关键词 材料计算模拟数据误差估计 神经网络 粒子群优化 bp算法 混合学习方法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部