bp網(wǎng)絡(luò)優(yōu)點(diǎn)缺點(diǎn)-展示頁
2024-10-27 07:28本頁面
【正文】 會(huì)造成很大的影響，也就是說即使系統(tǒng)在受到局部損傷時(shí)還是可以正常工作的。3)泛化能力：所謂泛化能力是指在設(shè)計(jì)模式分類器時(shí)，即要考慮網(wǎng)絡(luò)在保證對(duì)所需分類對(duì) 象進(jìn)行正確分類，還要關(guān)心網(wǎng)絡(luò)在經(jīng)過訓(xùn)練后，能否對(duì)未見過的模式或有噪聲污染的模式，進(jìn)行正確的分類。2)自學(xué)習(xí)和自適應(yīng)能力：BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)，能夠通過學(xué)習(xí)自動(dòng)提取輸出、輸出數(shù)據(jù)間的“合理規(guī)則”，并自適應(yīng)的將學(xué)習(xí)內(nèi)容記憶于網(wǎng)絡(luò)的權(quán)值中。首先BP神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)點(diǎn)：1)非線性映射能力：BP神經(jīng)網(wǎng)絡(luò)實(shí)質(zhì)上實(shí)現(xiàn)了一個(gè)從輸入到輸出的映射功能，數(shù)學(xué)理論證明三層的神經(jīng)網(wǎng)絡(luò)就能夠以任意精度逼近任何非線性連續(xù)函數(shù)。神經(jīng)網(wǎng)絡(luò)的運(yùn)用展開了新的領(lǐng)域，解決其它模式識(shí)別不能解決的問題，其分類功能特別適合于模式識(shí)別與分類的應(yīng)用。第一篇：bp網(wǎng)絡(luò)優(yōu)點(diǎn)缺點(diǎn)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)介紹人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）又稱連接機(jī)模型，是在現(xiàn)代神經(jīng)學(xué)、生物學(xué)、心理學(xué)等學(xué)科研究的基礎(chǔ)上產(chǎn)生的，它反映了生物神經(jīng)系統(tǒng)處理外界事物的基本過程，是在模擬人腦神經(jīng)組織的基礎(chǔ)上發(fā)展起來的計(jì)算系統(tǒng)，是由大量處理單元通過廣泛互聯(lián)而構(gòu)成的網(wǎng)絡(luò)體系，它具有生物神經(jīng)系統(tǒng)的基本特征，在一定程度上反映了人腦功能的若干反映，是對(duì)生物系統(tǒng)的某種模擬，具有大規(guī)模并行、分布式處理、自組織、自學(xué)習(xí)等優(yōu)點(diǎn)，被廣泛應(yīng)用于語音分析、圖像識(shí)別、數(shù)字水印、計(jì)算機(jī)視覺等很多領(lǐng)域，取得了許多突出的成果。最近由于人工神經(jīng)網(wǎng)絡(luò)的快速發(fā)展，它已經(jīng)成為模式識(shí)別的強(qiáng)有力的工具。多層前向BP網(wǎng)絡(luò)是目前應(yīng)用最多的一種神經(jīng)網(wǎng)絡(luò)形式, 它具備神經(jīng)網(wǎng)絡(luò)的普遍優(yōu)點(diǎn)，但它也不是非常完美的, 為了更好的理解應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行問題求解, 這里對(duì)它的優(yōu)缺點(diǎn)展開一些討論。這使得其特別適合于求解內(nèi)部機(jī)制復(fù)雜的問題，即BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性映射能力。即BP神經(jīng)網(wǎng)絡(luò)具有高度自學(xué)習(xí)和自適應(yīng)的能力。也即BP神經(jīng)網(wǎng)絡(luò)具有將學(xué)習(xí)成果應(yīng)用于新知識(shí)的能力。即BP神經(jīng)網(wǎng)絡(luò)具有一定的容錯(cuò)能力。但是隨著應(yīng)用范圍的逐步擴(kuò)大，BP神經(jīng)網(wǎng)絡(luò)也暴露出了越來越多的缺點(diǎn)和不足，比如：1)局部極小化問題：從數(shù)學(xué)角度看，傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)為一種局部搜索的優(yōu)化方法，它要解決的是一個(gè)復(fù)雜非線性化問題，網(wǎng)絡(luò)的權(quán)值是通過沿局部改善的方向逐漸進(jìn)行調(diào)整的，樣會(huì)使算法陷入局部極值，權(quán)值收斂到局部極小點(diǎn)，從而導(dǎo)致網(wǎng)絡(luò)訓(xùn)練失敗。2)BP 神經(jīng)網(wǎng)絡(luò)算法的收斂速度慢：由于BP神經(jīng)網(wǎng)絡(luò)算法本質(zhì)上為梯度下降法，它所要優(yōu)化的目標(biāo)函數(shù)是非常復(fù)雜的，因此，必然會(huì)出現(xiàn)“鋸齒形現(xiàn)象”，這使得BP算法低效；又由于優(yōu)化的目標(biāo)函數(shù)很復(fù)雜，它必然會(huì)在神經(jīng)元輸出接近0 或1的情況下，出現(xiàn)一些平坦區(qū)，在這些區(qū)域內(nèi)，權(quán)值誤差改變很小，使訓(xùn)練過程幾乎停頓；BP神經(jīng)網(wǎng)絡(luò)模型中，為了使網(wǎng)絡(luò)執(zhí)行BP算法，不能使用傳統(tǒng)的一維搜索法求每次迭代的步長(zhǎng)，而必須把步長(zhǎng)的更新規(guī)則預(yù)先賦予網(wǎng)絡(luò)，這種方法也會(huì)引起算法低
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1