基于迭代学习的BP神经网络权值训练算法

辽宁石油化工大学学报 ›› 2013, Vol. 33 ›› Issue (4): 83-86.

基于迭代学习的BP神经网络权值训练算法

周小勇,翟春艳,李书臣* ,苏成利

辽宁石油化工大学信息与控制工程学院,辽宁抚顺113001

收稿日期:2013-01-09 出版日期:2013-12-25 发布日期:2017-07-14
作者简介:周小勇(1986-),男,湖北襄阳市,在读硕士
基金资助:
辽宁省科技攻关项目(2011216011)。

Weight Training Algorithm of BP Neural Network Based on Iterative Learning

ZHOU Xiaoyong, ZHAI Chunyan, LI Shuchen*, SU Chengli

College of Information and Control Engineering, Liaoning Shihua University, Fushun Liaoning 113001, China

Received:2013-01-09 Published:2013-12-25 Online:2017-07-14

摘要/Abstract

摘要： 针对传统BP算法存在收敛速度过慢、易陷入局部极小的问题,提出基于迭代学习的BP神经网络权
值修正算法。该算法将迭代学习的原理与神经网络相结合,同时采用本次训练误差和前一次的训练误差修正神经
网络权值,提高了网络训练速度。仿真结果验证了该算法的有效性。

关键词: 神经网络 , 梯度算法 , 迭代学习型算法 , 权值训练 , 收敛速度

Abstract:

A weight training algorithm of neural network based on iterative learning was proposed for the shortcoming of traditional BP algorithm, such as slow convergence and easily trapped into local minimal. The algorithm combined the principle of iterative learning with neural network, and it made use of the current and the previous training error to correct the neural network weights. It improved the speed of neural network training. Simulation results show the effectiveness of the algorithm.

Key words: Neural network , Gradient algorithm , Iterative learning algorithm , Weight training , Convergence speed

周小勇,翟春艳,李书臣,苏成利. 基于迭代学习的BP神经网络权值训练算法[J]. 辽宁石油化工大学学报, 2013, 33(4): 83-86.

ZHOU Xiaoyong, ZHAI Chunyan, LI Shuchen, SU Chengli.

Weight Training Algorithm of BP Neural Network Based on Iterative Learning

[J]. Journal of Liaoning Petrochemical University, 2013, 33(4): 83-86.

[1]	杨静雯, 李涛, 杨欣, 冀明飞. 基于避障路径规划的无人直升机空地跟踪控制[J]. 辽宁石油化工大学学报, 2024, 44(1): 71-79.
[2]	赵丽洲, 张宁峰. 双循环背景下石化企业供应链韧性评价研究[J]. 辽宁石油化工大学学报, 2024, 44(1): 89-96.
[3]	赵珣, 陈帅, 邱海洋. 基于改进双向循环神经网络的变压器故障诊断模型研究[J]. 辽宁石油化工大学学报, 2023, 43(5): 75-83.
[4]	于春悦, 曹宇, 程旭. 基于神经网络的银行长期存款客户预测研究[J]. 辽宁石油化工大学学报, 2023, 43(5): 91-96.
[5]	姜楠, 罗林, 王乔, 侯维. 结构优化深度网络的高压断路器机械故障诊断[J]. 辽宁石油化工大学学报, 2023, 43(3): 91-96.
[6]	那新宇, 余华鹏, 金鑫, 王越. 基于ISSA的多变量ORVFL网络自适应预测控制[J]. 辽宁石油化工大学学报, 2023, 43(1): 80-88.
[7]	汤永恒, 潘斌. 基于双向转换网络的域自适应单幅图像去雾方法[J]. 辽宁石油化工大学学报, 2022, 42(6): 78-83.
[8]	程薇燃, 李金娜. 基于Q学习的异构多智能体系统最优一致性[J]. 辽宁石油化工大学学报, 2022, 42(4): 59-67.
[9]	刘明, 马嘉悦, 刘晓培, 侯明君, 周妍. 基于动态贝叶斯网络的气化炉烧嘴系统可靠性分析[J]. 辽宁石油化工大学学报, 2022, 42(2): 79-85.
[10]	周学均, 陈小强, 谢磊, 江成龙. 基于EMD的短期风速预测混合模型[J]. 辽宁石油化工大学学报, 2021, 41(6): 79-86.
[11]	裴小邓，罗林，陈帅，王乔. 面向电力变压器油中溶解气体的卷积神经网络诊断方法[J]. 辽宁石油化工大学学报, 2020, 40(5): 79-85.
[12]	陶文华，陈娇，桂运金，孔平平. DE算法改进的炼焦能耗RBF预测模型[J]. 辽宁石油化工大学学报, 2020, 40(2): 91-96.
[13]	赵士龙，李维军，石成江. 基于优化BP神经网络的铝箔封口检测研究[J]. 辽宁石油化工大学学报, 2019, 39(1): 97-100.
[14]	王先一, 何巨鹏, 谢静, 赵德望, 张云峰. FRP管混凝土轴压柱力学性能影响规律研究[J]. 辽宁石油化工大学学报, 2018, 38(1): 84-92.
[15]	马贵阳，朱赢. GM-BP模型在NGH生成中的预测研究[J]. 辽宁石油化工大学学报, 2018, 38(06): 93-98.