文献类型：期刊文章

作　　者：沈进中[1] 姜媛媛[1] 刘卫国[1]

机构地区：[1]安徽理工大学电气与信息工程学院自动化系,安徽淮南232001

出　　处：《机械设计与制造工程》

基　　金：安徽理工大学博士;硕士基金资助项目(ZY022);国家自然科学基金青年基金资助项目(51604011)

年　　份：2017

卷　　号：46

期　　号：11

起止页码：19-23

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：为了设计一个实用、高精度的BP网络算法,对双隐层BP网络进行了深入研究。从对双隐层BP网络的设计入手,给出了设计该网络的所有关键因素,并且推导了两输入单输出类型的双隐层BP网络的学习算法。为了分析双隐层BP网络逼近能力,选取了4个具有代表性的函数,同时使用双隐层BP网络和单隐层BP网络进行逼近实验,从而比较双隐层BP网络与单隐层BP网络。实验数据表明,双隐层BP网络具有更高的训练样本的输出精度和更强的泛化能力,为BP网络的使用提供了另一条路径。同时也表明了超过两个隐含层的BP网络的实用性可能不太大。

关 键 词：双隐层BP网络  梯度下降法 过拟合 函数逼近 预测样本  墨西哥帽子  

分 类 号：TP273]