基于LabVIEW的BP曲线逼近算法.docxVIP

石 家 庄 铁 道 大学 研究生课程考试答题纸 培养单位 _电气与电子工程学院 学科专业 _电力电子与电力传动 课程名称 _ 数字图像处理 __ 任课教师 ____ 王硕禾 ________ 考试日期 ____2012/5/30______ 学生姓名 ____ 郭影 _________ 学 号_____120111104_____ 研 究 生 学 院 研究生课程考试答题纸 基于 LabVIEW的 BP曲线逼近算法 1、 LabVIEW LabVIEW是美国国家 器公司（ NI）公司开 的 形化 程 言，相比与文本型 程 言， 种 形化的 程 言具有直 、 便、快速、易于开 和便于 等 点，在虚 器 和 控系 开 等相关 域得到了日益广泛的 用。 神 网 的程序往往 算量大， 循 复 ， 以往在 写 些程序 ， 都是使用 如 VC++、Matlab 等文本式 程 言。 比 而言， 以 LabVIEW 代表的 形化 程 言不但形象、直 、便捷，而且具有功能 大的数学运算和分析工具， 尤其是便捷的 表 示功能，利用 LabVIEW可以方便的建立各 仿真模型， 行相 的仿真 。所以本文 合 BP神 网 理 和 LabVIEW 形化的 程思想， BP 神 网 的学 算法 行仿真。 2、 BP神 网 的算法 BP 网 的学 程是由正向 播和 差反向 播 成， 把 入 本从 入 到 含 元， 含 元逐 理后 生一个 出，至 出 ， 个 程 正向 播，如果 出 没 有得到所期望的 入 ，把期望 和 出 的 差信号按原路径返回，并通 修改各 神 元的 接 ，使 差信号 最小。 个 程 反向 播。 第一 入 ，第 Q 出 ，中 含 ，如 1.1 。 第 q 的神 元个数 nq， 入到第 q 的第 i 个神 元的 接 系数 ( q) （ i=1,2, ? ,nq-1 ） , 网 的 入 出 wij 关系 nq 1 ( q 1) ( q 1) ( q ) ( q) s ( q) ( q ) x （ x ， 1） i w j 0 i w 0 j 0 ( q) ( q) 1 i 1,2, , nq q 1,2, Q xi f ( si ) 1 e si( q ) q 1,2, nq 1 y1 y2 yn ... 输出层 ... 隐含层 输入层 x1 x2 xn 图 2.1 神 元网 1 页 研究生课程考试答题纸 设给定 P 组输入输出样本 x (p0 ) [ x(p01) x(p02) 设定拟合误差的代价函数为 1 P nQ P E (d pi xpi(Q ) )2 Ep 2 p 1 i 1 p 1 采用一阶梯度法调节连接权系数 E 最小。 最后归纳出 BP网络的学习算法如下： Wij(q ) (k 1) wij( q) (k ) Dij( q) (k 1) ， Dij(q ) (piq ) x pj(q 1) n q 1  x(pn00) ] T , d p [ d p1 d p2 d pn ] Q 0 ( q) ( (q 1) ( q 1 ) ) (q ) (1 (q ) ) pi pk wki xpi x pi k 1 q Q,Q 1, ,1 i 1,2, ,nq j 1,2, , nq 1 3、利用 BP神经网络进行曲线逼近 本实验选取的学习样本 ，输入样本点 Xi( i1,2, , nq ) 为 (0,1) 上 的随机数，这些随机数由 LabVIEW自带的函数产生。该神经网络为三层结构的神经网络，即由 输入层，隐含层和输出层组成，输入层为单输入，含 100 个神经元，隐含层只有一层，神经元 个数为 10，输出层为单输出，神经元个数为 100。 程序流程如下所示 2 页 研究生课程考试答题纸 初始化设定学 习样本 赋值权值初值 学习次数是否达到 是 否 画出BP拟合曲线和学习 求出隐含层，输入层各 画出拟合样本输出与样本 样本曲线 单元输出 输出的误差曲线 权值修正 求出目标值和实际输出 结束 的偏差 根据误差梯度 由输出偏差计算出隐含 层输出偏差 在了解 BP 曲线拟合算法后， 用 LabVIEW编程，这主要是由于 LabVIEW基于数据流的编程风 格非常适合描述神经网络的正向传播和误差反向传播的过程，在本程序中，用 while 循环和移 位寄存器作为主要的循环手段，中间计算过程综合采用 LabVIEW的矩阵运算和数组运算，不仅 简化了算法编程的难度，而且结构清晰。 4、程序代码 1） 本程序需在 LabVIEW软件上运行，程序代码见附录。 2） 前面板导出图 3 页 研究生课程考试答题纸 在面板上可