神經网络模型及应用.docVIP

神经网络模型与应用基于MATLAB的BP神经网络设计 摘要：介绍了利用MATLAB语言进行BP网络建立、训练、仿真的方法。在研究BP神经网络的基础上，建立一个判定矿井安全状况的网络，来具体实现BP网络的设计过程。 Abstract：The paper introduces the way to create an network, train a network and simulate a network with MATLAB language. he paper presented a BP neural network model to evaluate safety of mine based on studying BP neural network. 关键词：BP神经网络 MATLAB程序 设计 Key words：BP network, MATLAB language, design 引言 神经网络是单个并行处理元素的集合,实际上是由大量简单元件相互连结而成的复杂网络,具有高度的非线性,能够进行复杂的逻辑操作和非线性关系实现的系统。网络功能主要由神经节决定,可以通过改变连接点的权重来训练神经网络完成特定的功能。神经网络的实际工作过程是用户在输入层输入需要的参数后,网络的隐含层自动根据它对样本数据总结出来的规律和函数关系产生一定的输出。这个过程既不是简单的对样本数据进行插值运算或拟合运算,也不是得到一组微分方程进行复杂的运算,它是一种高度智能化的运算。 BP 神经网络属于多层前馈神经网络,网络模型一般由输入节点层、隐含节点层、输出节点层以及层间节点连接而成。这种神经网络模型的特点是:各层神经元仅与相邻层神经元之间有连接,各层内神经元之间无任何连接,各层神经元之间无反馈连接。其学习过程由正向传播和反向传播两部分组成,在正向传播过程中输入信息从输入层经隐含层单元处理,并传向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向传播将误差信号沿原来的连接通路返回修改各层神经元的权值,使得误差信号最小。 2 BP网络的设计过程 　 BP神经网络设计步骤BP网络的设计主要包括输入层、隐层、输出层及各层之间的传输函数几个方面。 2.1　 大多数通用的神经网络都预先预定了网络的层数,而BP网络可以包含不同的隐层。但理论上已经证明,在不限制隐含节点数的情况下,两层 (只有一个隐层)的BP网络可以实现任意非线性映射。在模式样本相对较少的情况下,较少的隐层节点,可以实现模式样本空间的超平面划分,此时,选择两层BP网络就可以了； 当模式样本数很多时,减小网络规模,增加一个隐层是有必要的,但是BP网络隐含层数一般不超过两层。 2.2　输入层的节点数 输入层起起缓冲存储器的作用,它接收外部的输入数据,因此其节点数取决于输入矢量的维数。当把大小的图像的像素作为输入数据时,输入节点数将为256个。一般来说,网络的输入个数应等于应用问题的输入数,MATLAB的BP网络的建立是通过函数newff实现的。 2.3　网络数据的预处理 为使网络训练更加有效,对神经网络的输入、输出数据进行一定的预处理可以加快网络的训练速度。Matlab提供的预处理方法有归一化处理、标准化处理和主成分分析。常采用的是归一化处理,即将输入、输出数据映射到[-1, 1]范围内,训练结束后再反映射到原数据范围。 2.4　 输出层节点数取决于两个方面,输出数据类型和表示该类型所需要的数据大小。当BP网络用于模式分类时,以二进制形式来表示不同模式输出结果,输出层的节点数可根据待分类模式数确定。 2.5　 一个具有无限隐层节点的两层BP网络可以实现任意从输入到输出的非线性映射。但对于有限个输入模式到输出模式的映射,并不需要无限个隐层节点,这就涉及到如何选择隐层节点数的问题,而这一问题的复杂性,使得至今为止,尚未找到一个很好的解析式,隐层节点数与求解问题的要求、输入输出单元数多少都有直接的关系。另外,隐层节点数太多会导致学习时间过长;而隐层节点数太少,容错性差,识别未经学习的能力样本低,所以必须综合多方面的因素进行设计。 （1）, 可以参考以下公式进行设计: 式中: n为隐层节点数；为输入节点数; 为输出节点数; a为1～10 （2）n，用同一样本集训练，从中确定网络误差最小时对应的隐层节点数。 2.6　 BP网络中传输函数常采用S( sigmoid)型函数: 　　　　　 在某些特定情况下,还可能采用纯线性(Pureline)函数。如果BP函数最后一层是Sigmoid函数,那么整个网络的输出就限制在一个较小的范围内(0～1) ；如果BP网络最后一层是Pureline函数,那么整个网络的输入可以取任意值。 2.7　,