汽车智能制造技术课件：人工神经网络.pptxVIP

第二章人工智能

10人工神经网络CARS

人工神经网络人工神经网络是由大量的人工神经元经广泛互联所形成的一种人工网络系统，用以模拟人类神经系统的结构和功能。第j个神经元模型的输入输出关系为：f(?)为输出变换函数；yj为神经元j的输出。为输入信号；为神经元j的权值；称为阈值；

人工神经网络人工神经网络是一个并行和分布式的信息处理网络结构，该网络结构一般由多个神经元组成，每个神经元有一个单一的输出，它可以连接到很多其它的神经元，其输入有多个连接通路，每个连接通路对应一个连接权系数。从连接方式看，人工神经网络主要有两种：前馈型神经网络和反馈型网络。前馈网络包括单层前馈网络和多层前馈网络。

人工神经网络单层前馈网络是指那种只拥有单层计算节点的前向网络。它仅含有输入层和输出层，且只有输出层的神经元是可计算节点，如下图所示

人工神经网络多层前馈网络是指那种除拥有输入、输出层外，还至少含有一个、或更多个隐含层的前馈网络。隐含层是指由那些既不属于输入层又不属于输出层的神经元所构成的处理层,也被称为中间层。隐含层的作用是通过对输入层信号的加权处理，将其转移成更能被输出层接受的形式。

人工神经网络多层前馈网络的典型代表是BP网络。BP网络模型误差反向传播(ErrorBackPropagation)网络通常简称为BP(BackPropagation)网络，是由美国加州大学的鲁梅尔哈特和麦克莱兰在研究并行分布式信息处理方法，探索人类认知微结构的过程中，于1985年提出的一种网络模型。

人工神经网络BP网络的网络拓扑结构是多层前向网络，如图所示。在BP网络中，同层节点之间不存在相互连接，层与层之间多采用全互连方式，且各层的连接权值可调。BP网络实现了明斯基的多层网络的设想，是当今神经网络模型中使用最广泛的一种。

人工神经网络对BP网络需说明以下两点：BP网络的每个处理单元均为非线性输入/输出关系，其作用函数通常采用的是可微的Sigmoid函数。BP网络的学习过程是由工作信号的正向传播和误差信号的反向传播组成的。所谓正向传播，是指输入模式经隐层到输出层，最后形成输出模式；所谓误差反向传播，是指从输出层开始逐层将误差传到输入层，并修改各层联接权值，使误差信号为最小的过程。

人工神经网络反馈网络是指允许采用反馈联结方式所形成的神经网络。所谓反馈联结方式是指一个神经元的输出可以被反馈至同层或前层的神经元。反馈网络的典型例子是Hopfield网络。

人工神经网络Hopfield网络是由美国加州工学院物理学家霍普菲尔特1982年提出来的一种单层全互连的对称反馈网络模型。它可分为离散Hopfield网络和连续Hopfield网络。离散Hopfield网络的结构离散Hopfield网络是在非线性动力学的基础上由若干基本神经元构成的一种单层全互连网络，其任意神经元之间均有连接，并且是一种对称连接结构。一个典型的离散Hopfidld网络结构如图5-17所示。离散Hopfield网络模型是一个离散时间系统，每个神经元只有0和1（或-1和1）两种状态，任意神经元i和j之间的连接权值为wij。由于神经元之间为对称连接，且神经元自身无连接。

人工神经网络在Hopfidld网络中，虽然神经元自身无连接，但由于每个神经元都与其他神经元相连，即每个神经元的输出都将通过突触连接权值传递给别的神经元，同时每个神经元又都接受其他神经元传来的信息，这样对每个神经元来说，其输出经过其他神经元后又有可能反馈给自己，因此Hopfidld网络是一种反馈神经网络。

人工神经网络反馈网络和前向网络不同前向网络属于非循环连接模式，它的每个神经元的输入都没有包含该神经元先前的输出，因此不具有“短期记忆”的性质。反馈网络则不同，它的每个神经元的输入都有可能包含有该神经元先前输出的反馈信息，即一个神经元的输出是由该神经元当前的输入和先前的输出这两者来决定的，这就有点类似于人类的短期记忆的性质。

故障诊断利用神经网络进行空调系统故障诊断首先，采集汽车空调系统正常工况下及故障工况下的训练数据样本；其次，确定网络参数和神经网络；最后，利用训练好的神经网络对待诊断数据进行分析对比，得到故障诊断结果。

谢谢观看THANKS