基于限幅器的神经网络训练方法及其应用

摘要

本发明公开了一种基于限幅器的神经网络训练方法及其应用，所述神经网络训练方法包括：将实验数据作为训练集训练神经网络；通过训练后的神经网络预测未知状况下待预测量的值；设定限幅器的上下限，将超过限幅器上限的预测结果改为限幅器的上限，将低于限幅器下限的预测结果改为限幅器的下限，将修改后的结果纳入训练集；通过新训练集重新训练神经网络；神经网络预测结果均在限幅器上下限范围内则结束训练，否则建立新训练集，重新训练神经网络，重复直到神经网络预测结果均在限幅器上下限范围内。本发明具有在实验数据较少的情况下建立较高预测精度神经网络的优点。