1、“.....仿真图号线算法如图。图算法的训练过程以及结果原图蓝色线，仿真图号线各种算法仿真结果比较与分析由上面的仿真结果可以得到下表的比较和下面的结论与分析表表各种学习算法仿真结果比较算法训练函数训练次数均方误差标准算法增加动量法弹性算法动量及自适应学习速率法共轭梯度法法结论与分析从仿真结果可以看出，标准算法增加动量发弹性算法动量及自适应学习速率法的收敛速度都不如共轭梯度法和法算法收敛速度明显的快......”。

2、“.....只有算法达到了目标误差，可见对高要求的误差来说，算法的优势要明显的多，其余均未达到目标误差从均方误差的效果来看，所仿真的算法的优劣从优到劣顺序依次为算法共轭梯度法弹性算法动量及自适应学习速率法增加动量法标准算法。从仿真效果图可以看出，算法的效果最好，其次是共轭梯度法，其余均有不同范围内的失真。从误差曲线来看，算法达到了目标误差较高的误差，标准算法的误差曲线较粗，是因为较小范围振荡产生锯齿，在图形中由于间距加大，图形不断重叠而成......”。

3、“.....在刚开始收敛较快，在训练步数增加的时候，曲线趋于水平，收敛速度比较慢共轭梯度法和算法的误差曲线变化较大且产生局部锯齿状，说明不是最优，仍需要进行优化，其中算法达到了目标误差。共轭梯度法在相邻迭代的正交方向搜索，综合误差曲线可知当接近极值时会产生锯齿形振荡。再根据前面对各种改进算法的描述可知，弹性算法不需要进行搜索，需要内存比较小，因此在些大型网络中比较适用......”。

4、“.....对收敛速度要求不高时也可使用动量及自适应学习速率法。在小型网络中，共轭梯度法仅次于算法，但是算法需要更大的内存做临时存储，对于较大复杂的网络和内存受限的设备来说不是很好的选择，但是对于小型网络来说却是首要选择。对训练时间允许的条件下，共轭梯度法和弹性算法是对复杂大型网络较好的选择。其中共轭梯度法在训练的时候，训练次数为次，均方误差为，均未达到所设定的要求，产生了,的结果。可能意味着子区间的长度与计算机舍入误差相当......”。

5、“.....另外也存在是初值问题，理论上得知共轭梯度法最大局限是依赖于初值，在有限的迭代次数内可能既不能搜索到全局极值也不能搜索到局部极值。因此该算法适用于精度要求比较低的高维网络之中。调整初始权值和阈值的仿真在分析了初始权值设置影响因素对神经网络的影响，下面首先通过程序段，通过随机设置权值初始化网络方式获取训练好的阈值和权值，作为程序段二的初始化值。由此进行仿真分析。如图。程序段初始化网络，用创建网络......”。

6、“.....据规则初始化算法对网络层的权值和阈值进行初始化，该算法的初始化值，可以使网络层中每个神经元的作用范围近似地在网络层的输入空间均匀分布。与纯随机初始化权值和阈值的方法比较，初始化算法有以下优点神经元的浪费少因为所有神经元都分布在输入空间内网络的训练速度快因为输入空间的每个区域都有神经元这里是用重新设置权值和阈值。,,,,查看初始化后的权值和阈值,,得出训练好的权值和阈值供程序段二使用,,,程序段二从程序段得出的数据,......”。

7、“.....随机设置权值误差曲线图获取训练好的阈值和权值误差曲线图图两程序段运行后误差曲线图从上面的仿真结果看，第个程序用随机的初始权值和阈值达到目标误差完成训练需要个回合，而选用已训练好的权值和阈值仅用个回合就完成了训练，因此选择合适的初始化权值和阈值将加速网络的训练，大大提高了学习的收敛速度。因此关于设置网络初始权值和阈值的优化方法是个值得研究的问题。其他影响因素仿真在算法选择上，在下面的仿真中将使用算法测试其他影响因素......”。

8、“.....如果将输入层激活函数设置为，量项系数,分块计算矩阵仅对算法有效最大训练次数最小均方误差最小梯度最大训练时间训练与测试训练测试训练样本实际输出测试样本实际输出竞争输出测试结果算法训练输出结果如图，测试输出结果如图......”。

9、“.....姬长英非线性系统的神经模糊建模方法的研究江西农业学报孙帆，施学勤基于的神经网络设计计算机与数学工程张葛祥，李娜仿真技术与应用北京清华大学出版社，余华，吴文全，曹亮神经网络的改进算法及其应用电脑知识与技术苏高利，邓芳萍论基于语言的神经网络的改进算法科技通报冯蓉，杨建华基于神经网络的函数逼近的实现榆林学院学报韩力群人工神经网络理论设计及应用北京化工工业社，蒋良孝......”。