一种BP神经网络学习率的改进方法

摘要

本发明公开了一种BP神经网络学习率的改进方法。该方法包括：步骤1：网络参数初始化，基于Sigmoid函数将网络输入层的初始权重值设置在(‑1，1)之间或更小范围内的随机数；步骤2：给定样本输入和目标输出；步骤3：正向传播；步骤4：结果判断，判断误差函数E(w)是否符合要求，若误差函数E(w)＜期望收敛精度ε，则转向步骤7，否则转步骤5；步骤5：反向传播；步骤6：将调整后的权重值继续进行迭代，判断网络误差是否满足要求，当误差函数E(w)小于期望收敛精度ε或学习次数大于设定的最大学习次数M，则转向步骤7；否，转向步骤2，进入下一轮学习；步骤7：结束算法。本发明提供的BP神经网络学习率的改进方法，更符合神经网络学习训练特性，具有更好收敛性。