2022年神经网络原理及BP网络应用实例 .pdf
《2022年神经网络原理及BP网络应用实例 .pdf》由会员分享,可在线阅读,更多相关《2022年神经网络原理及BP网络应用实例 .pdf(10页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、1 神经网络原理及BP网络应用实例摘要:本文主要对神经网络原理进行系统地概述, 再列举 BP网络在曲线逼近中的应用。神经网络是一门发展十分迅速的交叉学科,它是由大量的处理单元组成非线性的大规模自适应动力系统。神经网络具有分布式存储、 并行处理、 高容错能力以及良好的自学习、自适应、联想等特点。随着计算机的发展,目前已经提出了多种训练算法和网络模型, 其中应用最广泛的是前馈型神经网络。本文将介绍人工神经网络的基本概念、基本原理、BP 神经网络、自适应竞争神经网络以及神经网络的应用改进方法。关键字: 神经网络;收敛速度; BP网络;改进方法The principle of neural netwo
2、rk and the application examples of BP network Abstract :Neural network is a cross discipline which now developing very rapidly, it is the nonlinearity adaptive power system which made up by abundant of the processing units . The neural network has features such as distributed storage, parallel proce
3、ssing, high tolerance and good self-learning, adaptive, associate, etc. Currently various training algorithm and network model have been proposed , which the most widely used type is Feedforward neural network model. Feedforward neural network training type used in most of the method is back-propaga
4、tion (BP) algorithm. This paper will introduces the basic concepts, basic principles, BP neural network, adaptive competitive neural network and the application of artificial neural network. Keywords:neural network,convergence speed,BP neural network ,improving method 1 神经网络概述1.1 生物神经元模型人脑是由大量的神经细胞组
5、合而成的,它们之间相互连接。具体结构如图1所示。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页,共 10 页 - - - - - - - - - 2 图 1 生物神经元模型由图看出,脑神经元由细胞体、 树突和轴突构成。 细胞体是神经元的中心,它一般又由细胞核、 细胞膜等构成。 树突是神经元的主要接受器,它主要用来接受信息。轴突的作用主要是传导信息,它将信息从轴突的起点传到轴突末梢,轴突末梢与另一个神经元的树突或细胞体构成一种突触的机构。通过突触实现神经元之间的信息传递。1.2
6、 人工神经元模型人工神经网络主要是利用物理器件来模拟生物神经网络的某些结构和功能。人工神经元模型如图2 所示。图 2 人工神经元模型人工神经网络模型是1943 年心理学家 McCulloch 和科学家 W.Pitts在分析总结神经元基本特性的基础上首先提出的,它是大多数神经网络模型的基础。jiw - 代表神经元 i 与神经元 j 之间的连接强度 (模拟生物神经元之间突触连接强度 ),称之为连接权 ; iu - 代表神经元 i 的活跃值,即神经元状态;iv - 代表神经元 j 的输出,即是神经元i 的一个输入;名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - -
7、- - - - - - - 名师精心整理 - - - - - - - 第 2 页,共 10 页 - - - - - - - - - 3 i- 代表神经元的阐值。严格来说,神经网络是一个具有如下性质的有向图。(1) 对于每个结点有一个状态变量jx ;(2) 结点 i 到结点 j 有一个连接权系数jiw ;(3) 对于每个结点有一个阈值j;(4) 对于每个结点定义一个变换函数,()iijijfx wij,最常见的情形为()jiijifw x。下图表示了两个典型的神经网络结构。图 3 典型的神经元网络结构2. BP 神经网络人工神经网络是一种信息处理系统, 其中有一种用误差传播学习算法 (Error
8、 Back Propagation即 BP模型)进行训练的多层前馈神经网络,简称为BP网络。广泛应用于模式识别及分类、故障智能诊断、图像处理、函数拟合、最优预测等方面。2.1 BP 神经网络特点:(1)分布式的信息存储方式(2)大规模并行处理(3)自学习和自适应性(4)较强的鲁棒性和容错性在所有的神经网络应用中,BP神经网络所占比例在80% 以上。 BP神经网络具有良好的非线性逼近能力和泛化能力以及使用的易适性。BP 神经网络在模式识别、图像处理、信息处理、智能控制、故障检测、企业管理、市场分析等方面的应用已取得了显著成效。名师资料总结 - - -精品资料欢迎下载 - - - - - - -
9、- - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页,共 10 页 - - - - - - - - - 4 2.2 BP 神经网络介绍基本 BP算法包括两个方面:信号的前向传播和误差的反向传播。即计算实际输出时按从输入到输出的方向进行,而权值和阈值的修正从输出到输入的方向进行。图 4 BP 网络结构图中:jx表示输入层第j个节点的输入, j =1, M ;ijw表示隐含层第 i 个节点到输入层第j 个节点之间的权值;i表示隐含层第 i 个节点的阈值;( )x表示隐含层的激励函数;kiw表示输出层第k个节点到隐含层第i 个节点之间的权值, i =1,
10、q;ka表示输出层第 k 个节点的阈值 , k=1, L;x表示输出层的激励函数;ko表示输出层第k个节点的输出。(1)信号的前向传播过程隐含层第 i 个节点的输入 neti:1Miijjijnetw x(2-1)隐含层第i个节点的输出yi:1()()Miiijjijynetw x(2-2)输出层第 k 个节点的输入 netk:111()qqMkkiikkiijjikiijnetw yaww xa(2-3)1a1kiwijwLakaqi1xjxMx1okoLo输出变输入变输 入隐 含输 出名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - -
11、- - 名师精心整理 - - - - - - - 第 4 页,共 10 页 - - - - - - - - - 5 输出层第k个节点的输出ok:111()()()qqMkkkiikkiijjikiijonetw yaww xa(2-4)(2)误差的反向传播过程误差的反向传播, 即首先由输出层开始逐层计算各层神经元的输出误差,然后根据误差梯度下降法来调节各层的权值和阈值,使修改后的网络的最终输出能接近期望值。对于每一个样本 p 的二次型误差准则函数为Ep:211()2LpkkkETo(2-5)系统对 P个训练样本的总误差准则函数为:2111()2PLppkkpkETo(2-6)根据误差梯度下降法
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2022年神经网络原理及BP网络应用实例 2022 神经网络 原理 BP 网络 应用 实例
限制150内