BP神经网络用于藻类生长预测的改进.pdfVIP

维普资讯 研究与开发 BP神经网络用于藻类生长预测的改进 杨吟冬 ， 周永权 ， 刘永彬 (1．广西大学计算机与 电子信息学院，南 ：530004；2．J两 【族大学 ¨算机 与信息科学学院 ，南 530006) 摘 要 ：针对传统的BP神经 网络应用于藻类生长预测 时 ．往往 出现训练时间较 长 、输 出数据精度低等 问题 本文提出了在含有两层隐含层的BP神经网络结构中．对于数量一定的神经元 ．若神经元在隐含层 分配合理 ，则BP神经网络可以达到减少训练次数并且能满足问题精度的要求 应用实例表明，该 方法对预测藻类生长显得非常有效 关键词 ：BP神经 网络 ；隐舍层 ；神经元分配 ；藻类生长预测 引 言 应元件有如此明显的缺陷 ．注定它们不 町能得到大规 模的应用。而BP神经网络可以说是在感知器和 自适 人工神经网络是人T构造的模拟人脑功能而构 应元件基础上改进和发展的。BP神经 网络是一种对 建的一种网络 ，它吸取了生物神经的一些优点如高度 非线性可微分函数进行权值训练的多层 网络．在结构 的并行性 、非线性全局作用 、良好的容错性和联想记 上与感知器和 自适应元件有着很大的不同，但它们本 忆功能，以及十分强的自适应和 自学习能力。经过几 质上的区别还在于激 活函数的选取上 ．BP网络激活 十年的发展 。人T神经网络的应用领域不断拓展 ．应 函数要求处处可微分 ，所以BP网络激活 函数 的选取 用的范围也越来越广。在工程应用中，BP神经网络是 就不可以取感知器那样的阀值函数 {0、1}或符号函 迄今为止技术相对来说最为成熟的一种神经 网络模 数 ，而一般选择处处可微分的函数 ，如 S型的对数或 型，是人们解决实际问题常用的模型之一 。所以，在所 正切激活函数以及线性函数等 ，而且S型的函数和线 有的人工神经网络的应用 中．可以说BP神经 网络是 性函数还有一个优点 ，就是 S型函数非线性放大系数 结构较简单、应用最广泛的一种模型。80％以上的应 功能 ，它可以把输入矢量从无穷小到无穷大经过变换 用如函数逼近 、模式识别 、线性分类 、数据压缩等都是 限定在一1到 1之间。对于较大的输入信号 ，放大系数 基于BP神经 网络模型 较小 ，对于较小的输入信 号放大系数较大 ，所 以采用 1 BP神经网络的结构特点 S型激活函数可 以去处理和逼近任何非线性的输入 和输HJ关系，而线性函数则可 以输 出任何值，所 以在 BP神经网络是一种单向传播的多层前馈网络 ． 设计 BP网络 的时候更一般的做法就是 隐含层 的激 它采用典型的有教师学习方式来进行预测和分类 问 活函数选 S型函数，而输 出层选