BP神经网络在电脑常见硬件故障检测中应用.pdfVIP

BP 神经网络在电脑常见硬件故障检测中的应用 沈洁，郑树玲 辽宁工程技术大学理学院，辽宁阜新 (123000) E-mail ：269844913@163.com 摘 要：通过建立神经网络模型,将BP 神经网络应用于电脑常见硬件故障检测中。 关键词：BP 神经网路，电脑硬件，故障检测 1 引言 随着社会经济的不断发展,人们生活水平的不断提高, 电脑逐渐的进入了千家万户.电脑 从原本单纯的专业使用，变成了目前的大众家庭娱乐中心，也是人们不可缺少的信息交流 平台.但在电脑给我们带来方便的同时，也给我们带来了不少烦恼。电脑是一个高科技的产 品,当硬件出现故障时，维修人员会觉得无从下手,这就需要有一个高水平的硬件故障检测系 统帮助人们及时的、准确的诊断出故障所在，并进行维修。以保证电脑在故障发生的最短 时间内恢复正常工作。 自1943 年Mc Culloch 和Pitts 提出形式神经元结构的数学描述（M －P 模型）以来， 经过了50 多年曲折的发展道路，人工神经网络理论与应用技术取得了长足的发展。由于神 经网络具有大规模并行，分布式存储和处理、自组织、自适应和自学习等优越性能，使其 成为人工智能研究的重要工具，其应用范围已设计到模式识别，故障检测，计算机视觉， 智能机器人，自适应控制，企业管理，决策优化，专家系统，知识处理等诸多领域。基于 [1] 神经网络的BP 算法，就是建立模型，解决故障检测问题 。 2 BP 学习算法原理 2.1 BP 学习算法涉及知识 BP 学习算法也称反向传播学习算法，相应的神经网络也称为BP 网络。BP 学习算法是 一种多层前馈网络使用的监控式学习算法。 反向传播是指误差信号的反向传播，并不是将输出层状态再作用到隐层节点，或隐层输出 再作用到输出层节点。网络自身不存在反馈，所以BP 网络不能视为非线性动力系统没， 只是一个非线性映射。 BP 算法的基本思想是以使得网络实际输出与期望输出的均方差达到最小。网络的学习 过程是，将输出层误差反向传播回去，并借以修正权值。典型的三层BP 网络结构为图1： - 1 - x1 y 1 x2 y 2 . . . . . . . . . xn y m 输入层 隐层 输出层 图1 典型三层BP 网络结构 , ,..., 为输入层节点；y ,y ,...,y 为输出层节点。 x x x 1 2 n 1 2 m 2.2 BP 学习算法的步骤 （1）初始化