工程应用软计算课件第2章 神经网络.pptVIP

工程应用软计算—— 神经网络 解：1）将深呼吸时测得的肺活量曲线数字化，在肺活量图上取80个采样点，对应BP网输入的80个节点. 2）网络输出层有3个节点，3种输出状态100，010，001表示肺功能正常、肺功能有限和肺功能有障碍. 3）网络有一个隐层，节点数13-38个，以便试验. 在137个受试者的肺活量图中，每个类型随机取5个作为训练样本（共计15个），利用BP算法训练网络. ?通过改变隐层节点数，比较在训练样本相同时网络收敛速度. ?当网络收敛后，对训练样本之外的122个肺活量图输入网络所得到的正确判别率. 工程应用软计算—— 神经网络 ┄ 10000 38 68.0 174 34 71.3 166 33 71.3 198 30 70.5 185 28 72.1 156 23 65.6 3189 18 ┄ 10000 13 正确分类率/% 训练次数/次 隐层节点数/个 结论： ①隐层节点太少时(13个)，1万次不收敛. ②隐层节点太多时(38个)，学习1万次不收敛. ③隐层节点为23个时，训练156次，网络的正确分类率已达72.1%. ④如果输入节点增加，分类率会再提高（人的年龄、性别、身高等因素）. 工程应用软计算—— 神经网络 2.5.2 利用BP网络的声纳目标自动分类 美国联合信号空间技术中心的R.Gorman和约翰霍普金斯大学的T.Sejnowski于1988年发表文章，将BP网络应用于声纳探测海底目标（金属圆筒和圆筒状石块）回波的自动分类。 问题：向海底目标发射声纳信号并接收回波。由于不同材料的回波频偏不同，因此，可以由人通过耳机监听回波的声调变化来判断水下目标的材料性质。 该项工作的目的是将回波信号和材料性质作为BP网络的输入与输出，训练网络，使声纳目标分类自动化。 工程应用软计算—— 神经网络 训练网络过程：在海水下放置一个金属圆筒和一个圆筒状石块，从不同方位向目标发射超声波。共接受208个回波，其中金属圆筒回波111个，圆筒状石块回波97个。然后，对每个回波信号进行数字化处理。 基本方法：对每个回波信号在一个较短的时间段内进行快速傅里叶变换，得到随时间分布的二维谱图。在二维谱图上设置采样窗口，并在此窗口内计算回波信号的一组功率谱密度函数。将获得的k个功率谱密度函数综合起来，取其包络（如图所示），在每个谱包络上采60个点，并将其数值归一化，作为神经网络的输入矢量。 工程应用软计算—— 神经网络 回波的功率谱包络 P f 工程应用软计算—— 神经网络 设置三层（一个输入层，一个隐层，一个输出层）BP网络。输入层设60个节点，分别对应谱包络上60个采点数值的归一化值。输出层有2个节点，输出状态10表示金属筒，01表示石块。隐层节点数由实验确定。 从208个回波中随机选取16个作为测试组，其余192个作为网络的训练组，通过调整隐层节点个数得到的不同网络测试性能见下表。 当隐层节点为12时，网络的平均性能达到最高，故确定网络隐层节点个数为12个。 将训练成功的BP网络作为水下声纳目标自动分类器。用3个操作员根据回波声调变化来判断目标，平均正确率为91%，而BP网络的识别率接近于100%. 工程应用软计算—— 神经网络 77.1 8.3 81.9 6.2 82.0 7.3 83.5 5.6 84.7 5.7 84.5 5.7 89.4 2.1 96.5 0.7 98.8 0.4 99.7 0.2 99.8 0.1 99.8 0.1 0 2 3 6 12 24 标准偏差 平均性能 标准偏差 平均性能 测 试 集 训 练 集 隐层节 点个数 工程应用软计算—— 神经网络 2.5.3 利用BP网络的时间序列预测 时间序列预测也称历史引伸预测，是以时间数列所能反映的社会经济现象的发展过程和规律性，进行引伸外推，预测其发展趋势的方法。 通常f 是非线性函数。如果函数能很好的拟合历史观测数据，则 时间序列预测的核心工作是利用一组按照时间顺序 观测的序列值 ，构造一个递推函数 就是外推预