基于Matlab的改进BP神经网络及其应.pdfVIP

维普资讯 第 26卷 第 1期 西 华 师 范 大 学 学 报 (自然 科 学 版 ) 2005年 3月 Vo1．26 NO．1 JournalofChinaWestNormalUniversity(NaturalSciences) Mar．2005 文章编号 ：1001-8220(2005)01-0070-04 基于Matlab的改进 BP神经网络及其应用 范 磊，张运陶，程正军 (西华师范大学应用化学研究所，四川 南充 637002) 摘 要 ：讨论了BP神经网络及几种改进BP神经网络性能的算法．用Matlab编制出相应的BP神经网络算法程 序 ，并将其用于处理紫外分光光度法同时测定 Fe，co，Ni，cu，V的实验数据 ，结果表 明L—M法收敛最快，精度最 高． 关键词：BP神经网络；Matlab；多组分同时测定 中图分类号：TP一399 文献标识码：B 人工神经网络(ArtificialNeuralNetwork，简称ANN)是基于模仿生物大脑的结构和功能而构成的一种信 息处理系统．它具有信息的分布存储、并行处理以及 自学习等优点，已经在信息处理、模式识别、智能控制及 系统建模等领域得到越来越广泛的应用 一】．近年来 ，有越来越多的化学工作者开始将 ANN应用于解决化 学问题 ，并取得了一些成果．BP神经网络是 目前应用最多的神经网络 ，它采用多层前 向网络的反向传播算 法 。优点是只要有足够的隐层和隐结点，BP网络可以逼近任意的非线性映射．但 BP神经网络易出现学习速 度慢和陷入局部最小区及对参数选择敏感等问题．为此，人们对 BP算法进行了许多改进．改进主要有两类 ： 一 类采用启发式技术 ，如附加动量法、自适应学习率法 ；另一类是采用数字优化技术 ，如共轭梯度法 ，拟牛顿 法、Levenberg—Marquardt(L—M)法 ．本文讨论了几种改进的BP算法 ，利用 Maflab编制了仿真程序 ，并把 它们用于多组分同时测定中，取得了良好 的效果． 1 标准BP算法及其改进 1．1 标准BP算法 BP神经网络的学习过程分为信息的正向传播过程和误差 的反向传播过程两个阶段．外部输入的信号经输入层、隐含层的 。 神经元逐层处理向前传播到输 出层给出结果．如果在输出层得 不到期望输出，则转入逆向传播过程 ，将实际值与网络输出之间 — 误差沿原来联结的通路返回，通过修改各层神经元的联系权值 ， 使误差减少，然后再转入正 向传播过程 ，反复迭代 ，直到误差小 xp 于给定 的值为止．以一个三层网络为例，网络 由Ⅳ个输入神经 图 1BP神经网络示意图 元 ，K个隐层神经元 ， 个输 出神经元组成 (如 图 1)．02。和 Fig．1 Schematicmapofthe BPANN 0l 分别为输出层和隐层的输出值 ，埘2 和 埘l分别为隐层到输出层和输入层到隐层的连接权值 ，设输入学 。 习样本为 其对应的希望输出值为t 标准算法步骤如下 ： (1)初始化权值 ，设定学习率 ，允许误差 s，最大迭代次数 ，置循环步数 i=0． (2)正向计算 ： 将第P个样本 (X ={。… })顺序输入到网络中，按下式分别计算D1和D2 ： 收稿 日期 ：2004—12—2O 作者简介 ：范 磊(1981一)，男，江苏扬州人，西华师范大学化学化工学院硕士研究生，主要研究计算机化学 通讯作者：张运陶(1948一)，男，四川南充人，西华师范大学化学化工学院教授，主要从事计算机化学研究． 维普资讯 第26卷第 1期 范 磊，等：基于Matlab的改进 BP神经网络及其应用 71 O1，。(f)= ∑wl。()，)，