BP在数码管字识别中的应用.pdfVIP

维普资讯 技 赢 交 滚Teahno|ogv um BP在数码管字识别中的应用 王 坤 (浙江省省光纤重点实验室 杭州 310014) 摘 要 人工神经网络理论是2O世纪8O年代在国 际上迅速发展起来的一个前沿研究领域。BP是对非 线性可微分函数进行权值训练的多层前向网络。即信 息的正向传播及误差数据的反向传递，它在数字识别 中的应用很有效果。本文介绍了BP概念，算法以及 在数字识别中的应用。 图1 人工神经元模型 关键词 BP 自适应 字符分割 数字识别 人工 神经 网络理论 是 20世纪 80年代 在 国际 U。=∑ WixI十s。+0 。 上迅速发展起来 的一个前沿研究领域 。近年来，更 Y。=f(U；)式 中 W为连接权值 ，0；为神经元 是掀起 了一股 人_丁神经 网络研 究 、开发应 用 的热 阈值 ，f()分别表示神经输 出函数 (或称传递 函 潮 ．其应用 已渗透 到各个领域 ，并在智 能控制 、模 数 )。 式识别 、计算机视 觉 、故 障检测 、适 时语 言翻 神经 网络 的互连结构很 多，主要分为单层 ，双 译 、神经生理学和生物 医学工程 等方面取得 了显 层及 的多层 。 著成效 。相继 出现 了ART模 型 、多层 前 向网络 的 BP模 型和 Bohzman机 等模 型 。 2 误差反 向传播网络 (BackPropagation network，BP)的基本概念 1 人工神经网络基本理论 BP是一种反向传递并修正误差的多层映射网。 人工神经 网络 由人工神经元按一定规则广泛 图 2是三层 的 BP网络 结构 图 ，它含有输 人 地连接而成 ，是对生物神经元 网络 的仿真 。人工 层 、输 出层以及处于输入输 出层之间的中间层 。中 神经元的模 型如图 1所示 。 间层有单层 或多层 ，由于它们和外界没有直接 的 神经元是神经 网络 的基本 处理单元 ，它是一个 联 系 ，故也称 为 隐层 。在 隐层 中的神经元 也称 隐 非线性器件 。图 1中U．为神经元输入总和 ，x．为 单元 。隐层虽然和外界不连接 ．但是 ，它们 的状态 输入信号 ，s．是外部控制信号 ，Y．为神经元 的输 则影 响输入输 出之 间的关系 。这 也是说 ，改变 隐 出 。该模型可描 述为： 层的权系数 ，可以改变整个多层神经 网络的性能 。 圈 中国数据通信 维普资讯 汹 n。嘛 商 交格i 3 BP算法的数学表达 BP算法实质 是求取误差 函数 的最小值 问题 。 这种算法采 用非线性规划 中的最快速下 降方法 ， 按误差函数 的负梯度方 向修改权系数 。