BP神经网络预测算法的改进及应用

摘要

BP算法是应用广泛的神经网络算法, 具有较强的非线性拟合能力, 可以用来预测非线性时间序列数据的发展趋势.但在实际应用和仿真过程中, 由于算法本身的限制和不足, 对于仿真和计算都会带来很多问题, 比如网络训练过程中程序异常中止、训练时间过长、仿真精度不高等.针对这样的情况, 通过分析算法本身和训练仿真过程, 找到了相应的原因和解决方法,研究了传统BP神经网络模型的缺陷并提出附加动量的方法来改进BP神经网络,最后通过在Matlab仿真环境下的实际仿真过程, 验证了改善效果.