论文部分内容阅读
为克服现有神经网络训练算法在建模精度方面的不足,提出了一种专门面向近似建模的前馈网络训练算法——GA—BP贝叶斯算法.该算法以提高网络的泛化性能为主旨,以获取对应于后验分布最大值的权值向量为训练目标,并采用遗传算法和L—M(Levenberg—Marquardt)BP算法相结合的权值搜索策略.其中,L—MBP算法是当前最流行的前馈网络训练算法.结合一个典型算例,对GA—BP贝叶斯算法和L—MBP算法进行了对比研究.结果表明:与L—MBP算法相比,GABP贝叶斯算法所建立的神经网络近似模型具有更高、更稳定的