BP网络收敛特别慢，有没有好的处理方法
做了个标准印刷体字母识别的神经网络。要处理的是14张10*8的二值化图片，是A-N这14个字母的标准字体，字体占满全图且无噪音。神经网络初始权值随机。
输入层80神经元，隐层15个，输出层4个，带有动量项的学习。
但是学习速度非常慢，我把14个字母顺序输入一遍当做一次学习。试了多个学习参数，学习了300多万遍，半个小时才勉强能全部识别。
这还得了，要是做一个常用汉字的神经网络，岂不是要等死人啊。
有没有很好的解决方案
[解决办法]
用遗传算法来优化神经网络的权值和阈值，这样可以大大缩短神经网路学习的时间
