基于均匀设计的神经网络结构优化设计方法.pdfVIP

基于均匀设计的神经网络结构优化设计方法 王建华刘维亭 朱志宇 陈跃 华东船舶工业学院 摘要：结构优化设计是神经网络工程应用所面临的主要问题之一-本文基于均匀设计方法· 给出了BP和径向基函数(RBF)神经网络结构优化设计方案。实验表明：经过优化设计的 神经网络，在解决脉冲压缩信号检测问题中具有较好的效果，即所用的时间最短而误差最 小． 关键词：均匀设计：优化设计：神经网络。 一、引言 人工神经网络(ANN)研究自80年代复兴后，取得了令人瞩目的广泛应用和发展· 然而，作为ANN应有的独特的优越性——强学习、强适应、大规模并行处理等能力，并没 有明显地表现出来【I】．ANN的学习与泛化能力还不能令人满意t适应能力较差，网络构造 匪I难。因此研究网络拓扑结构的优化设计与高效的学习算法已成为ANN工程应用面临的两 大问题【2，3】- 以往ANN的结构设计主要靠经验和多次的实验，一直没有一套系统的方法来确定满 意的网络结构．近年来．有人提出启发式的构造算法或修剪算法自动设计网络结构[4】，但 是，算法比较复杂，不实用．本文采用均匀设计方法，优化神经网络结构设计，取得了较 好的效果。 实验设计的目的在于研究各因素的影响及找山最佳的水平纽合·一个好的实验设计既 要能尽量减少实验次数．又要能获得疆多的信息量。 均匀设计是只考虑实验点在实验范围内均匀散布的一种实验设计方法t它的数学原理 是数论中的一致分布理论．均匀设计挑选实验代表的出发点是“均匀分敞”而不考虑“整 齐可比”，因而与正交设计相比可大幅度降低实验工作量，这一点使得均匀设计特别适台 与多因素多水平的实验设计．设有s个因素．每个因票的水平数为q·若考虑因素的所有 水平组台，共需做q‘次实验；若用正交设计，则需做92次实验：而均匀设计只需做口次实 176 平组合，共需做日5次实验：若用正交设计．则需做92次实验；而均匀设计只需做g次实验 即可。我们用U。(q’)表示均匀设计表，其中u表示均匀设计，，l表示实验次数．q表示每 个因素的水平个数．t表示晟大的独立因素个数。 均匀设计具有以下特点： 1、实验次数少。每个水平做且只做一次实验； 2、安排实验时可将各因素的各水平按照多种规律进行适当的排序，这样可以避免高 档次水平在同一次实验中相遇； 3、均匀设计的实验数随水平数的增加而等量增加，而正交殴计的实验数按水平数的 平方增加，前者具有“连续性”，后者具有“跳跃性”，通常在实验：C作簧一定 的情况下总是希望安排尽可能多的水平，因此均匀设计具有很大的优越性： 4、均匀设计表的任意两列组成的实验方案一般并不等价。因此均匀设计除了具有与 正交设计类似的表头外还有一个与之配套使用的均匀设计表。 二、神经网络结构 在本文中，我们以神经网络检测脉冲压缩信号为例，介绍基于均匀设计的神经网络结 构优化设计方法．我们采用三层结构的神经网 络，如图l所示，分为输入层、隐古层和输山 靖出景 层．输入层有13个输入节点．输出层有1个带 1 i 1 1—1—1 点．输入信号为13位巴克码信号(I 隐古埕 l l—ll—11)，输入层是分选器．当接收码序列 信号为脉冲压缩码时，其输出值接近I。优化设 计时，分别采_H』BP神经网络模型和径向基函数 输^廛 (RBF)神经网络模型，以神经网络的隐含层单 元数、学习步长、学习速率为三个设计因素．以 槛能搁际．误 差 为 性 能 指 标 ． 圈I 三层结构的神经喇络 177