一种基于惩罚系数的BP神经网络预测能力

为提高BP神经网络训练的预测能力,采用有助于提高BP神经网络逼近精度的Metropolis准则来克服BP神经网络训练学习过程中容易陷入局部极小值的问题;考虑到两类误分的代价不同,利用两个惩罚系数C1和C2,对两类误分给予不同程度的惩罚;采用轮换法的策略来避免因样本不均衡分布带来的负面影响.研究结果表明:所构建的神经网络模型效果令人满意,是行之有效的做法.