论文部分内容阅读
本文研究了一种基于Levenberg Marquardt算法的BP神经网络模式识别方法,结合了传统梯度下降法和高斯牛顿法使得迭代次数减少、收敛速度加快、精确度提高,同时避免了传统梯度下降法BP神经网络容易发生的过拟合问题。将其在局部放电特高频信号诊断绝缘缺陷中应用,实验表明其可以准确地完成分类任务,准确率高于传统梯度下降法BP神经网络,并且训练时间得到大幅缩减。证明应用LM算法的BP神经网络具有较强的实用性。