论文部分内容阅读
针对传统的基于梯度下降法BP神经网络中存在非线性多极值目标函数易陷于局部最优解的问题，提出了一种权值学习混沌优化的神经网络方法。非线性动力系统具有初值敏感性、遍历性的特性，采用基于混沌和梯度反传训练相结合来训练网络，可以使网络的连接权在不断迭代过程中自适应演化。实际过井地震剖面地震多属性研究实践表明，所提出的混沌优化学习方法可以克服传统方法的不足，提高预测能力。