摘要：本文提出了基于改进型粒子群优化的BP网络学习算法。在该算法中，首先改进了传统的BP算法，有效地使得网络中输入层、隐含层和输出层结点个数达到一个最优解。然后，用粒子群优化算法替代了传统BP算法中的梯度下降法，使得改进后的算法具有不易陷入局部极小、泛化性能好等特点，并将该算法应用在了股票预测的应用设计中。结果证明：该算法能够明显减少迭代次数，提高收敛精度，其泛化性能也优于传统BP算法。

关键词：神经网络 bp算法 bp改进 网络粒子群算法 

单位：四川大学计算机学院 四川成都610064