BP神经网络在坐标转化中的应用.pdfVIP

科 技 论 坛 BP 神经网络在坐标转化中的应用 梁利利 赵高长 李 蓉 （西安科技大学 基础部，陕西 西安710054） 摘 要:重点介绍BP 人工神经网络模型在坐标转化中的应用方法和步骤。运用MATLAB 来实现BP 神经网络的设计和训练，并对隐层节点数 的确定和网络的收敛性等问题进行了研究，最后给出了基于MATLAB 的BP 算法的实现过程并做了实证分析。 关键词： BP 神经网络模型；坐标转化；数据仿真 1 概述 的具体值作为训练好的BP 模型的输入，可得对应 法，它的优点在于网络权值数目较少时收敛非常 人工神经网络简称神经网络, 是由具有适应 的目标极坐标。 迅速，而且比传统的BP 及其它改进算法(如共轭 性的简单单元组成的广泛并行互连的网络,它具有 2.2 基于BP 神经网络的坐标转换模型的设 梯度法，附加动量法、自适应调整法及拟牛顿法等) 信息的分布存储、并行处理以及自学习等优点,已 计与实现 迭代次数少，收敛速度快，精确度高。 经在信息处理、模式识别、智能控制及系统建模等 从笛卡尔坐标到极坐标转换的BP 模型图 3 编程计算与数据仿真 [1- 2] 领域得到越来越广泛的应用 。使用BP 神经网络 （图2）如下所示。模型由三层神经元组成：输入层、 MATLAB 神经网络工具箱提供了与BP 神 来实现笛卡尔坐标到极坐标之间的转化, 利用 隐含层和输出层，不同层之间的神经元采用全互 经网络学习算法相关的BP 网络分析和设计的函 MATLAB 编制仿真程序, 并把它们用于实验检测, 联方式，同一层的神经元之间不存在相互连接。结 数。BP 神经网络坐标转化模型在MATLAB 环境 取得了良好的效果。 合上文极坐标的取值范围，使用rand()函数随机获 中的实证分析，可以通过下述几个步骤来实现： 2 BP 神经网络模型在坐标转化中应用方法 得的极坐标作为该网络的目标输出。依据给定过 3.1 建立BP 神经网络 和步骤 程得到的笛卡尔坐标作为该网络的输入数据。关 建立BP 神经网络模型时，在已知输入变量、 我们设计一个过程控制神经网络，它能倒置 于隐含层结构的确定目前尚无一个通用的确定准 各层神经元的个数、各层的传输函数，即可通过 [5] 笛卡尔坐标至极坐标的学习框图为： 则，设计者们大多根据以往积累的大量经验得到。 newff()建立一个BP 神经网络。 采用经验公式确定隐含层节点数,计算值按四舍五 3.2 BP 网络参数的设置及初始化 入法进行取整,得出一个初始值，然后利用逐步增 设置显示间隔为200，最大收敛次数为 长法或逐步修剪法最终确定隐层节点数。 1000，收敛误差为1e- 3，缩减因子为0.2，增大因子