论文部分内容阅读
神经网络发展迅速,经过各国学者多年的研究创新,许多具备不同信息处理能力的神经网络已被提出并应用于各种信息处理领域。其中以BP神经网络的应用最为广泛,据统计,80%-90%的神经网络模型采用了BP网络或者它的变化形式。已有理论证明,三层结构的BP网络可以逼近任意的非线性映射关系。但在实际的训练过程中,常会因为网络结构不合理或初始权值的选取不当导致训练精度达不到要求,引起网络的重新训练,降低了训练效率。针对此不足,本文设计了一种动态扩展BP网络隐层的方法,旨在提高训练精度,同时解决训练效率问题