多分支BP网络模型及其在车型分类中的应用.pdfVIP

多分支BP网络模型及其在车型分类中的应用 Multi-branchBPNeuralNetworkandIts inVehicleClassification Application (华南理工大学)林培群徐建闽傅惠梁俊斌 Lin，PeiqunXu，JianminFu，HuiLiang，Junbin 摘要：通过分析一般的BP网络在解决多模式识剐问题时的 能．且显著地减少了训练时间。 缺陷．本文根据分而治之和模块化的思想提出了多分支BP 网络的模型。多分支BP网络可将N种模式的识别问题转换 2多分支BP网络模型与算法 为N个并行的两种模式识剐问题。文章还研究了多分支BP 2．1网络模型 网络模型在车型分类中的应用．并利用G107上的实测数据 图1所示是典型的3层BP网络模型，用以解决 进行仿真。仿真结果表明，与一般的BP网络相比，多分支 BP网络具有更好的分类性能。且显著地减少了训练时间。 N种模式的识别问题。对于输出层的任何神经元来说 关键词：多分支BP网络；模式识别；车型分类 输人层到隐层的连接权值和阈值是公共的，因此每一 中图分类号：TP391．4；TF’183文献标识码：A 种模式的学习都会修改这些权值和阈值。假设输入层 文章编号：1008—0570(2005)12—2—．0183—02 神经元的集合为R矾；隐层神经元的集合为R一；输 Abstract：Basedonthe of BPneuralnetwork出层神经元的集合为RoⅥ；训练样本集为R。。一，共r analysisgeneral 个，第d个样本表示为，(《，《，…，瑶，《，《，…，瑶)其中xdi Slimitationsinmulti-class recognition，this pattern paperpro— amulti—branchBPneuralnetwork 表示第i个输入特征，tdk表示第k个教师信号；wii代表 poses fMBBPNN)according tothe andmodular AN—class输入层节点i到隐层节点j的连接权值，毗代表隐层 divide—and—conquerprinciple． canbedividedintoN two—class problem parallel problemsby 节点j到输出层节点k的连接权值，0j代表隐层节点j MBBPNN．Theofthe willbeconfirmedafu． pattern sample by 的阈值，et代表输出层节点k的阈值，O出代表样本d sion alsostudiesMBBPNN’s paper ap— algorithmfinally．m8 在隐层节点i的实际输出值，O皿代表样本d在输出层 invehicleclassificationanddoessimulationwithsome plication 节点k的实际输出值。当隐层、输出层分别采用s培一 actualdatacollectedfromnational G107．Thesimula． highway tionresultsconfirmthatMBBPNNwill the improveperform