人工神经网络在茶叶品质评定中的应用.pdfVIP

Tea l茶业科技 Guangdong 人土神经网络在茶叶品质评定中的应用 潘玉成1叶乃兴2 (1．宁德职业技术学院机电工程系，福安355000；2．福建农林大学园艺学院，福州350002) [摘 要]人工神经网络是人工智能领域中发展最快的信息处理技术之一，其应用领域越来越广泛。文章介绍了人工神经 网络的概念、特点和阴神经网络基本结构，对人工神经网络在茶叶品质评定方面的应用进行了综述。并对其应用上存在的 问题进行了分析。对其今后的发展做出了展望。 [关键词]人工神经网络；茶叶；品质评定；应用 NeuraI 处理技术、电子鼻技术、电子舌技术等，结合神经 人工神经网络(ArtificiaINetwork， ANN)简称神经网络，是人工智能领域的一个重要网络非线性数据处理方法在茶叶品质评定上得到应 分支。它是模仿生理学中人的大脑神经处理信息的 用。取得了一些成果。本文就神经网络技术在茶叶 方式。对信息进行并行处理和非线性转换的一种信 审评方面的应用进行综述。 息处理网络系统。利用神经网络，无需任何经验公 1人工神经网络 式，无需建立相关的数学模型，仅仅借助样本数据， 1．1人工神经网络的定义 即可实现从Rn空间到Rm空间的高度非线性映射。 神经网络起源于20世纪40年代，到今天已经 现今，国内外应用神经网络技术，涉及的方面也越 有70多年历史了，是在现代神经生物学研究成果的 来越广，应用领域也越来越大，其应用领域主要表 基础上发展起来的一种模仿脑细胞结构和功能、脑神 现在信息领域、自动化领域、工程领域和经济领域 经结构以及思维处理问题等脑功能的新型信息处理 等。20世纪90年代初，神经网络技术开始向农业系统。它是一门涉及医学、神经生理学、信息学、人 科学领域渗透，茶叶科学研究中也有了初步的应用， 工智能、数理学、计算机学等多个领域的新兴前沿学 并展示出了广阔的应用前景。近年来，随着科学技 科，它具有复杂的非线性动力学特性、并行处理机制、 术的不断发展和进步，一些新技术如机器视觉图像 学习、联想和记忆功能，以及高度自组织、自适应 l 25 GuangdongTea茶业科技 能力和灵活性。神经网络主要有无反馈的前向网络、 层和一个输出层构成，每一层由一定数量的的神经元 有反馈的前向网络、层内有相互结合的前向网络、相 构成，前后层之间实现全连接，每层神经元之间无 互结合型网络等结构形式。决定其整体性能的三大要 连接，基本的BP神经网络结构如图1所示。BP神经 素为神经元的特性、神经元之间相互连接的形式—— 网络学习包括信号的正向传递和误差的反向传播两 拓扑结构、为适应环境而改善性能的学习规则。其应 个阶段。信号正向传递时，输入信息从输入层经隐 用涉及模式识别、联想记忆、信号处理、自动控制、 含层到输出层。如果输出的结果与期望值存在误差， 组合优化、故障诊断及计算机视觉等众多方面，取得 则转向反向传播过程。误差的反向传播是从输出层 了引人注目的进展…。 向输入层逐层反向传播，并以某种规则修正各层单 1．2BP神经网络的原理和特点 元的权值。这种信号正向传递与误差反向传播的反 BP(Back Propagation)神经网络是误差反向复进行，当误差减小到允许范围内时，网络的学习 传播