MATLAB神经网络工具在α谱分析中应用研究.pdfVIP

张艾明 (中国辐射防护研究院太原市030006) 摘要：本文以解a谱为例对MATLAB神经网络工具构造的一个三层反向传播神经网络 network，简称BP网络J的解谱能力进行探索研究，主要介绍了BP网络的数学 (back．propagmion 模型，网络参数和算法的选择以及在辐射测量d谱分析中的应用。结果表明，一个利用MATLAB 神经网络工具构造的传递函数为对敷S型函数、性能函数为网络误差的均方根之和以及训练函数为 Levcn崦．Marqllardt算法的面nlIn函数的三层神经网络进行q谱分析是可行的。 关键词：IVIATLAB，神经网络，q谱分析 1引言 神经网络是一种仿效人类大脑神经系统信息处理模式，研究那些传统方法无法解决或在具体处 司推出的国际上公认的晟优秀的数值计算和仿真分析的软件，神经网络工具箱是在其环境下开发出 来的许多工具箱之一，几乎完整地包括了神经网络的基本成果。 近几年来，随着核测量技术的发展，对测量方法提出了自动化，智能化的要求，具有智能功能 的神经网络理论．正被广泛地应用于辐射测量领域的分析研究方面，并发挥了其独特的功能。2002 年美国北卡罗莱纳州立大学用BP神经网络解释和预测退役场地检测中的空间数据，该方法对于早期 采样活动没有包括的一些地点的残留浓度的预测、合适的采样方案开发和满足规程证明可能是有用 的”1。西班牙的P．Olmos等人用具有模式识别功能韵联想记忆模式解决NaI探测器测得的Y谱的分 析和峰漂问题。。‘”。陈泽民等人用BP人工神经网络识别安全检测系统中爆炸物等危险品经活化后产 生的复杂Y能谱“1。石志侠等人用自己编制的BP神经网络程序对复杂n谱的解谱技术进行了初步研 究‘”。 目前，国内外未见有关眦TLAB神经网络工具用于辐射测量谱分析的文献报道。本工作主要是利 用姒TLAB神经网络工具建立一个三层BP神经网络，选取合适的网络参数和训练算法，研究其解谱 能力等。 2理论模式 典型的BP网络是三层网络，包括输入层、隐含层和输出层，各层之间实行全连接，如图1所示。 设输入单元数为m相应的输入向量Z(五，屯…．，h)对应每～道的计数，设隐含单元数为M相应 的隐含输出向量为r(M，儿，¨．，_)，隐含层的闽值向量为TH(嵋，如…．，tk)，最后输出单元数为 504 向量为D(吐，吐…．，以)，8P模型的计算公式在此略去。 输 层 图1三层BP神经网络结构 3建立算法 8 1网络结构 目前，在人工神经网络的实际应用中，绝大部分的神经网络模型是采用BP网络和它的变化形式， 主要用于函数逼近、模式识别、分类和数据压缩等。本次工作主要利用其可将一个特定的输出向量 和输入向量联系起来的模式识别功能。1989年RobertHecht—NielSOn证明了对于闭区间内的任一 个连续函数都可以用一个隐含层的BP网络来逼近，因而一个三层的BP网络可以完成任意的11维空 间到Ill维空间的映射。这意味着增加层数主要可以进一步降低误差，提高精度，但同时使网络复杂 化，从而增加了网络权值的训练时间，更不易收敛。误差精度的提高实际上也可以通过增加隐含层 中的神经元数目来获得，其训练效果也比增加层数更容易观察和调整，一般情况下，增加神经元比 增加层数要好41。所以本次工作采用只有一个隐含层的三层BP网络模型。 3 2各层单元数的确定 输入和输出层单元数大小的取值主要考虑了在现有的计算环境下能够最好地解决实际问题，本 次工作只是着重研究其在实际应用方面的理论可行性，所以为了节省计算工作量，不必取得很大。 但如果取得太小，又不足以反映a谱的特征，无法对其进行信息提取和归类，所以输入层单元数为 128，输出单元数为9。 隐含层单元数的选择在神经网络的应用中一直是一个复杂的问题，事实上，人工神经网络的应 用往往转化为如何确定网络的结构参数和求取各个连接权值。隐含层单元数过少可能训练不出网络 或者网络不够“强壮”，不能识别以前没有看见过的样本，容错性差；但隐含层单元数过多，又会 使学习时间过长，误差也不一定晟佳，因此存在一个如何确定合适隐层单元数的问题。在具体设计 时，比较实际的做法是通过对不同神经元数进行训练对比，然后适当地加