论文部分内容阅读
标准的BP神经网络存在训练速度慢、容易陷入极小点、泛化能力低的特点。文中用附加动量项和改进学习速率相结合的方法对标准的BP神经网络进行了改进，并将其应用在木构古建筑的寿命预测中。仿真结果表明，和标准的BP神经网络相比，改进后的BP神经网络提高了泛化能力，能较准确地拟合训练值，避免了在确定计算参数过程中所产生的计算误差。