学位论文 > 优秀研究生学位论文题录展示

调节系数的BP神经网络在字符识别中的研究

作　者: 张立琪
导　师: 张健沛
学　校: 哈尔滨工程大学
专　业: 计算机软件与理论
关键词: BP神经网络字符识别调节系数权值训练次数
分类号: TP183
类　型: 硕士论文
年　份: 2010年
下　载: 59次
引　用: 1次
阅　读: 论文下载

内容摘要

BP神经网络是当前获得最广泛应用的神经网络模型之一,但其也存在固有的缺点,例如收敛速度慢、易陷入局部极小、网络结构难以确定等,这些缺点受到越来越多的科研学者的高度重视。本文针对BP神经网络在一些领域应用并不是很好的情况,提出了一种调节系数的BP改进算法,并且通过实验来验证新算法的有效性。本文对BP神经网络模型进行了详细的介绍,并对BP网络存在的缺点进行了分析,总结了一些经典的BP神经网络的改进算法,之后针对BP网络训练速度慢这个缺点,给出了带有调节系数的动量BP模型,给出了新的权值调整公式,给出该算法的思想以及它采取的一些优化措施,完成了BP模型的建立,并且提出了网络训练算法的步骤。为验证本文给出的新的算法的可行性和有效性,本文把动量BP算法和调节系数的BP算法应用于字符识别当中,对两种算法在完成对网络的训练所花费的训练次数上进行比较,实验结果表明:第一,在相同的网络参数下,本文提出的算法的训练次数明显小于动量BP算法,大大降低了完成网络训练的次数,加快了训练速度。第二,从2个实验的对比可以看出,在不同的网络参数时,应该采取不同的调节系数。对于字符识别的问题,当学习率和动量因子较大时应采用较小的调节系数,当学习率和动量因子较小时应采用较大的调节系数,这样的组合可以达到很好的降低网络训词次数的效果。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-14
  1.1 论文研究的目的与意义  10-11
  1.2 国内外研究现状  11-12
  1.3 课题的研究内容  12-13
  1.4 论文的组织结构  13-14
第2章人工神经网络基本理论  14-27
  2.1 神经网络的概论  14-16
  2.2 神经网络各种模型及其发展趋势  16-17
  2.3 BP 神经网络算法的分析  17-20
  2.4 BP 算法的缺点  20-22
  2.5 几种改进的BP 算法  22-26
  2.6 本章小结  26-27
第3章引入调节系数的BP 算法  27-41
  3.1 学习率η、动量因子α在BP 模型中的作用  27-30
    3.1.1 学习率η的选取及其对BP 模型的作用  27-28
    3.1.2 动量因子α对BP 模型的作用  28-30
  3.2 带有调节系数的BP 模型的建立  30-40
    3.2.1 神经网络节点数的确定  30-34
    3.2.2 激励函数的选取  34-35
    3.2.3 数据预处理  35-36
    3.2.4 网络学习参数的选取  36
    3.2.5 权值的调整  36-38
    3.2.6 误差的选取  38-39
    3.2.7 BP 网络训练的实现步骤  39-40
  3.3 本章小结  40-41
第4章字符识别的仿真试验  41-53
  4.1 仿真实验的说明  41
  4.2 对数字识别的仿真实验  41-47
    4.2.1 仿真实验结构的确定  41-43
    4.2.2 仿真实验参数设置及实验结果分析  43-47
  4.3 对字母识别的仿真实验  47-51
    4.3.1 仿真实验结构的确定  47-48
    4.3.2 仿真实验参数设置及实验结果分析  48-51
  4.4 两个实验的对比分析  51-52
  4.5 本章小结  52-53
结论  53-54
参考文献  54-59
攻读硕士学位期间发表的论文和取得的科研成果  59-60
致谢  60

调节系数的BP神经网络在字符识别中的研究

内容摘要

全文目录

相似论文