- 1、本文档共22页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
1
BP神经网络简介
BP神经网络算法
BP神经网络的MATLAB实现
目 录
实际工程案例分析
结论与建议
2
BP神经网络简介
神经网络基本模型
3
BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。目前,在人工神经网络的实际应用中,决大部分的神经网络模型是采用BP网络和它的变化形式。BP网络主要用于:
BP神经网络简介
◆ 函数逼近
◆ 模式识别
◆ 分类
◆ 数据压缩
4
基本BP网络的拓扑结构
b1
bi
a1
c1
cq
cj
ah
bp
an
…
…
…
…
…
…
Wp1
Wiq
Wpj
W1q
W1j
Wij
11
W11
Wpq
Wi1
Vh1
Vhi
V1i
Vn1
Vni
V1p
Vhp
Vnp
输出层LC
隐含层LB
输入层LA
W
V
5
(1)输入层不计在层数之内,它有 个神经元.设网络 共有L层;输出层为第L层;第 k层有 个神经元.
假设:
wk(i,j) 表示从第k-1层第j个元到第k层第i个元的权重,
BP神经网络算法
多层前馈网络
6
(3)设层与层间的神经元都有信息交换(否则,可设它们之间的权重为零);但同一层的神经元之间无信息传输.
(4) 设信息传输的方向是从输入层到输出层方向;因此称为前向网络.没有反向传播信息.
BP神经网络算法
7
在上述假定下网络的输入输出关系可以表示为:
其中 表示第k层第i个元的阈值.
8
输入数据
求实际输出与期望输出之间的误差
误差是否满足要求
调整神经网(通过修改权值)
否
结束
开始
BP神经网络算法
层与层之间如何传递:传递函数
误差的判别公式:性能函数
如何调整权值:训练函数与偏差学习函数
三个重要概念
是
正向传递
反向传递
9
BP神经网络的MATLAB实现
newff 创建前向BP网络
格式:
net = newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)
其中:PR —— R维输入元素的R×2阶最大最小值矩阵;
Si —— 第i层神经元的个数,共N1层;
TFi—— 第i层的传递函数,默认‘tansig’;
BTF—— BP网络的训练函数,默认‘trainlm’;
BLF—— BP权值/偏差学习函数,默认’learngdm’
PF —— 性能函数,默认‘mse’;(误差)
10
(1)purelin —— 线性传递函数;
(2)tansig —— 双曲正切S型(sigmoid)传递函数;
(3)logsig —— 对数S型(sigmoid)传递函数;
1、传递函数:
(1)
(2)
(3)
11
2、训练函数:
trainlm —— Levenberg-Marquardt的BP算法训练函数;
trainbfg —— BFGS拟牛顿BP算法训练函数;
trainrp —— 具有弹性的BP算法训练;
traingd —— 梯度下降是BP算法训练;
traingda —— 梯度下降自适应lr的BP算法训练;
traingdm —— 梯度下降动量的BP算法训练;
traingdx —— 梯度下降动量和自适应lr的BP算法训练;
BP权值偏差/学习函数与性能函数一般取默认值!
12
实际工程案例分析
紫金港路位于和谐杭州示范区的核心区域,南邻西溪国家湿地公园,北接浙江大学新校区,作为区块内主要的南北向骨架道路交通地位十分重要。
紫金港隧道工程全长2.65公里,其中文一西路北侧约0.5公里为地面道路,然后自南向北依次下穿余杭塘河、余杭塘路(规划)、浙大南通道(规划)、俞家河、浙大北通道(拟建)、族滨漾、育英路(规划)、留石快速路,在穿越留石快速路后接地面道路,下穿隧道全长2.16公里。隧道为双向四车道,中间隔断,等级为城市主干道。
地下立交三维模型
13
R-R挡墙剖面图
目标!!!通过历史观测得到的R-R挡墙位移数据来预估今后一周的挡墙位移
实际工程案例分析
14
第一步:数据处理,选取9月份(1号~30号)R-R挡墙的位移观测值整理成一张excel表
第二步:输入、输出层设计
输入层:3+1,即通过前两天以当天位移数据(3)来预测明天挡墙位移(1)
输出层
文档评论(0)