利用Hopfield神经网络进行水体分类.pdfVIP

利用Hopfield 神经网络进行水体分类 赵婷婷，尹玲，李吉林 辽宁工程技术大学理学院，辽宁省阜新（123000 ） E-mail: woshiztt@126.com 摘 要：水体的水质对人类生活的关系极大，不同的生活领域会用到不同水质的水体，因此 我们需要利用一种简单有效的方法来对水体进行分类。本文采用Hopfield 神经网络进行水体 分类。由于Hopfield 神经网络可以用作联想存储器进行联想记忆（一种自联想），所以本文 把要保存的水体类别样本成为系统的吸引子，即系统的每个吸引子为一类水体，然后把要进 行分类的具体的水体样本作为系统（Hopfield 神经网络）的初始输入，联想的过程就是朝着 某个吸引子动态运行的过程，作为输入状态的水体收敛到某个吸引子，那么它的类别就是该 吸引子对应的类别。分类过程分为两个阶段来完成的即：学习阶段和使用阶段。Hopfield 神 经网络分为离散的Hopfield 神经网络和连续Hopfield 神经网络，本文采用离散Hopfield 神 经网络对水体进行分类。 关键字：Hopfield 神经网络；联想存储器；吸引子；水体分类 1. 引 言 联想是人类具有的一种思维能力，人们可以利用残缺的信息片段联想出记忆中的完整信 息。构造出一个动力学系统，使得要保存的样本成为系统的吸引子，如要搜索这个记忆时， 就可以利用残缺信息（即从一个偏离吸引子的初始状态）作为系统输入。联想的过程就是朝 着某个吸引子动态运行的过程，所谓联想成功就是指系统由此初始状态收敛到网络所存储的 [4] 样本。Hopfield 神经网络就可以完成这一过程 。 Hopfield 神经网络是一种神经元双向连接的神经网络，这种联接方式使得网络中每个神 经元的输出都能反馈到同一层次的其他神经元，该网络是一种反馈网络。根据网络节点的状 态，Hopfield 神经网络可分为离散的和连续的两种类型，离散的网络其节点状态仅取 0，1 （或±1）两个值；而离散的网络其节点状态可以取区间[0,1]上任意值。Hopfield 神经网络 具 有较好的收敛性，即网络吸引子一定存在，所以Hopfield 神经网络 可以作为联想存储器模 [1] 仿人的联想思维，利用残缺的信息片段联想出记忆中的完整信息 。 2. 问题分析 2.1 问题描述 影响水体水质的因素有很多，选取几种主要因素为例作为水体类别区分的指标，如选取 COD,氨氮，溶解氧，PH 值（浓度mg/1 为单位）为水体类别区分的指标，即X {x 1,x 2 ,x 3 ,x 4 ,} 水质类别分为五类：一类水质、二类水质、三类水质、四类水质、五类水质，即 [3] Y {y1, y2 , y3 , y4 , y5} ，给出一些具体的水体(a1, a2 , a3 ⋅⋅⋅an )判别他们分别为哪一类水体 。 我们将利用离散的Hopfield 神经网络作为自联想存储器的方法来对水体水质进行分类。 2.2 理论基础 2.2.1 离散的Hopfield 神经网络模型 设网络共有n 个神经元，用 { }表示第j 个神经元的状态。ωij 是神经元 间的 Sj ∈0,1 i与j 连接权值。各神经元给定一组初始输入状态 ( ) ( ) ( )后，按下述规则改变网络中 S 1 0 , S 2 0 ,⋅⋅⋅Sn 0 [2] 各神经元状态 ： - 1 -