论文部分内容阅读
针对神经网络学习中学习率起到的重要作用，本文提出了一种基于最小扰动的神经网络BP算法.通过建立一个计算动态学习率的算法，在不影响网络学习的情况下，使得网络权值的变化最小，从而提高神经网络的稳定性和收敛的速度.作者运用该神经网络算法设计了水下机器人的运动控制器.实验结果表明，该算法具有良好的学习能力，据此设计的控制器控制效果良好，具有实用价值.