钢铁工业BP神网络运用思考 .docVIP

钢铁工业BP神经网络运用思考 　　人工神经网络是20世纪80年代发展起来的一种模仿生物结构和功能的信息处理系统，它具有自组织、自学习、自适应、快速处理、高度容错、联想记忆以及可以逼近任意复杂的非线性系统等独特优点。在材料科学与工程领域中，人工神经网络在处理材料科学的许多问题中发挥了巨大作用，已普遍用于材料设计与成分优化、材料的智能加工与控制、材料加工工艺的优化、材料相变规律研究与相变点预测、材料性能及缺陷预测等方面［1-6］。在钢铁工业中，基于误差反向传播网络的神经网络以其结构清晰、可操作性强等优点而成为钢铁工业中使用最广泛的一种人工神经网络模型。 　　1BP神经网络简介 　　1986年，Rumelhart，Hinton和Williams完整而简明地提出一种ANN的误差反向传播训练算法，系统地解决了多层网络中隐含单元连接权的学习问题，由此算法构成的网络我们称为BP网络。 　　神经网络的基本原理 　　BP网络的基本思路是将训练过程分为两个阶段，第一阶段正向传播，输入信息从输入层经隐含层单元处理后传向输出层，每一层神经元的状态只影响下一层神经元状态。倘若在输出层得不到希望的输出，则转入第二阶段反向传播，将误差信号沿原来的神经元连接通路返回。通过修改各层神经元的权值，逐次地向输入层传播进行计算。这样，反复地运用这两个过程，使得误差信号最小，最后使得信号误差达到允许的范围之内。 　　神经