论文部分内容阅读
针对BP神经网络易陷入局部极小的问题，提出了混沌梯度优化的神经网络的学习算法，其原理是：采用梯度下降进行“粗搜索”，混沌搜索进行“细搜索”，并建立规则将两者结合起来，以构成BP神经网络的基于规则的混沌梯度耦合学习算法，它有效地利用了梯度下降算法的快速性和混沌寻优的全局性，将该算法应用于某智能决策支持系统模型库中的模型学习，有效地提高了前馈神经网络的学习效率。