人工智能基础.ppt

BP网络的局限性： 局部极小化问题： BP神经网络的权值是通过沿局部改善的方向逐渐进行调整的，这样会使算法陷入局部极值，权值收敛到局部极小解，从而导致网络训练失败。加上BP神经网络对初始权值非常敏感，以不同的权值初始化网络，往往会收敛于不同的局部极小解，这也是BP网络出现每次训练得到不同结果的根本原因。 大学计算机基础——沈阳药科大学 第二十八页，共五十九页。 BP 神经网络算法的收敛速度慢：由于BP神经网络算法本质上为梯度下降法，它所要优化的目标函数是非常复杂的，这使得BP算法的收敛速度低下。 BP网络结构选择不一：BP网络结构的选择至今尚无一种统一而完整的理论指导，一般只能由经验选定。网络结构过大会降低学习效率，出现过拟合现象，网络容错性下降；反之若结构过小，又会造成网络不收敛的问题。 BP网络样本依赖性问题：网络模型的逼近和推广能力与学习样本的典型性密切相关，而如何从问题中选取典型样本实例组成训练集是一个很困难的问题。 大学计算机基础——沈阳药科大学 第二十九页，共五十九页。 人工神经网络模型设计与应用 在实际应用中，面对一个具体问题需要进行人工神经网络模型设计时，一般应遵循下列过程：首先分析求解问题的性质，确定信息表达方式，将求解问题及其相应的领域知识转化为神经网络可以接受并处理的某种数据形式，将数据样本分为训练样本和测试样本；其次依据问题特点，确定神经网络模型的类型、结构、输入输出神经元的数目、隐含层神经元的个数等；然后是训练模式的确定包括选择合理的训练算法，确定合适的训练步数，指定适当的训练目标误差，以获得较好的网络性能；最后通过对网络进行训练、仿真等，检验网络的性能是否满足要求。下面结合药学实际介绍神经网络的设计与应用。 四、 人工神经网络在药学上的应用 大学计算机基础——沈阳药科大学 第三十页，共五十九页。 （一）用BP神经网络优化化学反应的工艺条件 过碳酸钠是一种强氧化剂，其水溶液可用作医疗杀菌剂、口腔消毒剂。由于过碳酸钠对湿度和温度很敏感，容易分解，其有效氧含量和稳定性还有待提高。为改进过碳酸钠的工艺，筛选出新的复合稳定剂，可利用BP神经网络对其工艺参数进行考察，并利用仿真结果进行预测，其方法及步骤如下： (1)确定影响过碳酸钠工艺条件的主要因素及考察范围 （2）确定BP神经网络结构：从表7-4可以看出，前四项为工艺参数，后两项为过碳酸钠性能的评价。因此采用3层B-P网络模型，即输入层、输出层和隐含层。4个输入向量X1、 X2、X3 、 X4分别对应原料配比、反应温度、反应时间、稳定剂加入量4个考察因素， 2个输出向量Y1 、Y2分别对应目标函数收率和活性氧含量， 其拓扑结构如图7-9所示。 大学计算机基础——沈阳药科大学 第三十一页，共五十九页。 表8-2 影响工艺条件的主要因素及考察范围 No 原料配比 (m∶M) X1 反应温度 (℃) X2 反应时间 (min) X3 稳定剂 (%) X4 收率 (%) Y1 活性氧含量(%) Y2 1 2 3 4 5 6 7 1:2.4 1:2.2 1:2.0 1:1.8 1:1.6 1:1.3 1:1.0 -10.00 0.0000 10.00 -15.00 -5.00 5.00 15.00 40.00 85.00 25.00 70.00 10.00 55.00 100.00 1.5 1.2 0.95 0.67 0.38 0.1 1.8 81.4 93.6 95.0 98.0 78.1 87.3 96.3 13.5 13.9 14.1 14.5 10.0 13.7 14.2 大学计算机基础——沈阳药科大学 第三十二页，共五十九页。 大学计算机基础——沈阳药科大学 第三十三页，共五十九页。 (3)BP神经网络的构建：将原料配比、反应温度、反应时间、稳定剂4个考察因素作为BP神经网络的输入，将收率和活性氧含量2个考察目标作为网络的输出，定义输入向量X和输出向量Y（训练样本），编写程序代码 用newcf()函数构建BP神经网络,代码如下： net=newcf(minmax(X),[10,2],{tansig,purelin},trainlm); 新构建的网络名称用net表示，newcf()是BP神经网络构建函数，用minmax()函数自动搜索输入向量中每个要考察因素的范围，参数[10,2]代表隐含层节点个数为10（不确定参数，待优化），网络结构层数为2，分别对应隐含层和输出层。tansig（S型）和purelin（线性）代表隐含层和输出层的传递函数，trainlm代表网络学习算法，表明采用Levenberg-Marquardt规则对BP网络进行训练。 大学计算机基础——沈阳药科大学 第三十四页，