论文部分内容阅读
本文针对BP神经网络训练学习过程中,连接权在调整时容易陷入局部极小使得进一步调整失去作用的问题,提出了一种有助于提高BP神经网络逼近精度的方法--基于Metropolis准则的神经网络学习算法.该算法整体采用传统的BP算法,但在一定条件下依据概率进行连接权的调整,使权值以一定的概率跳跃,跳出局部极小区,最终达到全局极小.仿真结果表明了这一算法的有效性.