BP网络的算法及在MATLAB上的程序仿真.pdfVIP

第2 7 卷第1期 西安航空技术高等专科学校学报 Vol 2 7 No 1 2 0 0 9 年 1 月 Journal of Xi ’an Aerotechnical College J an . 2 0 0 9 B P 网络的算法及在 MA TL AB 上的程序仿真 李 　洁 (西安航空技术高等专科学校 动力工程系 ,陕西 西安 7 10077) 摘 　要 :在介绍了B P 网络基本原理的基础上 ,阐述了现有的有关 B P 网络的 3 种算法 ,并对这些算法进行了比较 ,指 出在实际应用中B P 网络的缺陷 。另外利用 Matlab 神经网络工具箱 ,采用自适应学习率 B P 算法对模式识别问题进 行了程序设计 、训练和仿真 。 关键词 :B P 网络 ;B P 算法 ;Matlab ;仿真 中图分类号 : TP393 . 0 1 　文献标识码 :A 　文章编号 (2009) 0 1004 103 三种 B P 算法进行综述 ,并在 Matlab 上对模式识别 1 　引言 应用方面进行仿真 。 在人工神经网络 ANN ( Artificial Neural Net 2 　B P 网络概述 ) ( works , NN 系统 中 , 基于误差 的反 向传播 Back Prop agation) 的算法的多层前馈网络 , 即B P 网络因 典型的B P 网络结构包括输入层 、隐含层 、输出 其可以任意精度逼近任意连续函数 ,故而在非线性 层 ,如图 1 所示的三层网络模型 。在 B P 网络中神 建模 、函数逼近和模式分类等方面有着广泛的应用 。 经元的传输函数为非线性函数 ,最常用的输出函数 在人工神经网络实际应用中 ,80 %～90 %的人工神 是logsig 和 t ansig 函数 ,有的输出层也采用 p urelin 经网络模型是采用 B P 网络或它的变化形式 ,它是 的函数 。B P 网络是一种多层前馈神经网络 ,其信息 前馈网络的核心部分 ,体现了人工神经网络的最精 是从输入层流向隐含层至输出层 。 华部分 。本文针对 B P 网络的现有算法的研究 ,对 图 1 　三层 B P 神经网络模型 　　B P 网络的学习是一种监督式学习。在确定了 网络训练 ,用网络的实际输出与 目标输出之间的误 B P 网络结构后 ,便可通过对输入和输出样本集进行 差来修改网络的权值和偏置值 ,使实际输出尽可能 收稿 日期 ( ) 作者简介 :李洁 1977 - ,女 ,陕西省扶风县人 ,西北工业大学工学硕士研究生毕业 ,现任西安航专动力系讲师 ,研究方向为控 制理论及控制工程. 42 西安航空技术高等专科学校学报 第 27 卷 接近 目标输出。B P 网络的学习过程分为两个阶段 。 不会造成学习过程的发散 ,因为当修正过量时 ,该算 一是信息的正向传递 ;二是误差的反向传播 。 法总是可以使修正量减小 , 以保证修正方向向着收 敛的方向进行 ;另一方面 ,动量 B P 算法总是加速同