改进的BP算法在多目标识别中的应用

许廷发; 张敏; 顾海军; 宋建中; 韩广良

doi:null

您当前的位置：

首页 >

文章列表页 >

改进的BP算法在多目标识别中的应用

论文 | 更新时间：2020-08-12

- 改进的BP算法在多目标识别中的应用
- Multi-target recognition with improved BP algorithm
- 光学精密工程 2003年11卷第5期页码：513-515
- 作者机构：
  
  1. 中国科学院, 长春光学精密机械与物理研究所,吉林长春,130033
  2. 长春师范学院, 数理学院,吉林长春,130024
- 作者简介：
- 基金信息：
  
  中国科学院知识创新工程青年基金资助项目(No.Q01H01)()
- DOI：
  中图分类号： TP183;TP391.41
- 收稿日期：2003-03-06，
  
  修回日期：2003-07-18，
  
  网络出版日期：2003-10-15，
  
  纸质出版日期：2003-10-15
- 稿件说明：
移动端阅览
许廷发, 张敏, 顾海军, 宋建中, 韩广良. 改进的BP算法在多目标识别中的应用[J]. 光学精密工程, 2003,(5): 513-515

XU Ting-fa, ZHANG Min, GU Hai-jun, SONG Jian-zhong, HAN Guang-liang. Multi-target recognition with improved BP algorithm[J]. Editorial Office of Optics and Precision Engineering, 2003,(5): 513-515
许廷发, 张敏, 顾海军, 宋建中, 韩广良. 改进的BP算法在多目标识别中的应用[J]. 光学精密工程, 2003,(5): 513-515 DOI：

XU Ting-fa, ZHANG Min, GU Hai-jun, SONG Jian-zhong, HAN Guang-liang. Multi-target recognition with improved BP algorithm[J]. Editorial Office of Optics and Precision Engineering, 2003,(5): 513-515 DOI：

摘要

为了实现对多目标的识别

提出了一种改进的BP算法。采用在步长函数中加入变动量因子

即当连续两次迭代其梯度方向相同时

步长加倍;当连续两次迭代其梯度方向相反时

步长减半。由于步长在迭代过程中自适应进行调整

使误差函数E在超曲面上的不同方向按照步长向极小点逼近

实现了对目标函数的优化。给出了在目标函数最优时的BP网络对三种飞机测试集的识别结果

其收敛速度比传统BP算法快4倍以上

表明该方法能够有效地用于多目标的识别。

Abstract

An improved BP algorithm has been proposed for realization of multi-target recognition. The principle followed is addition of an alternating momentum factor to the step function

i.e.

the step length is doubled when the gradient directions of two consecutive iterations are the same

and the step length is halved when the gradient directions of two consecutive iterations are opposite. Due to the adaptive adjustment of step length in the iteration process

error function E approaches the minimum point in different directions on the super curved surface in accordance with the step length to realize the optimization of goal function. The recognition rates achieved using the improved BP algorithm with optimized goal function are better than 98%

and the improved BP algorithm's convergence speed is four-times fast than the convergence speed of traditional BP algorithm.

关键词

Keywords

references

阎平凡,张长水.人工神经网络和模拟进化计算[M].清华大学出版社,2001.YAN P F, ZHANG CH SH. Artifical neural network and simulation evolve compute[M]. Tsinghua University Compress,2001.(in Chinese)

KEN T, NEIL D. The recognition and analysis of animate objects using neural networks and active contour models[J]. Neurocomputing,2002(43):145-172.

周建华,白钊.光度信号的频域模式识别方法[J].光学精密工程,2002(4):346-353.ZHOU J H, BAI ZH. Modal identification of luminosity signal in frequency domain[J]. Optics and Precision Engineering,2002,10(4):346-353.(in Chinese)

孙圣和.改进的非线性最小二乘法算法训练多层前馈神经网络[J].电子学报,1997,25(1):124-127.SUN SH H. Modified nonlinear least square algorithm for training multilayer feedforward neural networks[J]. Acta Electronic Sinica,1997,25(1):124-127.(in Chinese)

杨大力.多层前向神经网络中BP算法的误调分析及其改进的算法[J].电子学报,1995,23(1):117-120.YANG D L. The misadjustment analysis of BP algorithm and an improved algorithm[J]. Acta Electronic Sinica,1995,23(1):117-120.(in Chinese)

浏览量

440

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于神经网络的全斯托克斯光电探测器

基于圆卷积神经网络的粘连导电粒子检测

改进YOLOv7的服务机器人密集遮挡目标识别

面向领域自适应的部分最优传输高光谱图像分类

面向点云识别网络的显著图生成