论文部分内容阅读
该文针对BP神经网络易限入局部极小的问题，提出了混沌梯度优化的神经网络的学习算法，其原理是：用规则来判断由于梯度搜索过程中产生的局部极小，并利用具有全局寻优的特点的混沌搜索，使学习过程能有效地逃离局部极小。即采用梯度下降进行“粗搜索”，混沌搜索进行“细搜索”，并建立规则将两者结合起来，就构成了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，并已应用于工程实际，取得了良好的效果。