乳化机诊断神经网络9、优点与缺点

乳化机诊断神经网络的优点与缺点

下面总结BP 神经网络的主要优点，概括如下：

（1） BP网络具有很强的拟合能力，如果网络中存在足够多的隐含层和隐节点，BP网络就可以作任意非线性逼近。

（2） 因为其核心算法属于全局逼近算法，所以BP 网络具有较好的泛化能力。

（3） 网络具有良好的容错性，个别输入节点的输入误差对整个系统的影响较小。它的主要缺点是：

（1） 由于算法学习速率是固定的，所以收敛速度慢，需要较长的训练时间。

（2） 采用梯度下降算法容易产生多个局部最小值，这会导致最终的训练结果陷入某个局部最小值，无法跳出局部极值的范围找到全局最优解。

（3） 在实际操作中并不能确定最优的隐含层数和隐含层节点数，需要经验的试凑以及不断的试验调试才能确定最优的网络结构方案。

（4） 网络学习与训练不具有记忆性。若采用新的训练样本，网络中的权值和阈值需要重新计算。