BP神经网络原理及MATIAB仿真.pdfVIP

2008年9月 渭南师范学院学报 Sept．2008 ofWeinanTeachers V01．23No．5 第23卷第5期 Journal University BP神经网络原理及MATIAB仿真 盛仲飙 (渭南师范学院计算机科学系，陕西渭南714000) 摘要：BP网络在人工神经网络中应用最为广泛．它理论完善、结构直观．本文首先介绍了BP神经网络的原理、进行 训练的过程、存在的问题；接着探讨了几种先进的BP训练方法．最后，用Matlab语言，以函数逼近为例实现了BP网络的仿 真训练． 关键词：BP网络；人工神经网络；maflab；仿真 中图分类号：TPl83 文献标志码：A 文章编号：1009—5128(2008)05—0065—03 收稿日期：20cr7一12一14 作者简介：盛仲飙(1974一)，女，陕西渭南人，渭南师范学院计算机科学系讲师，硕士研究生． Neural 人工神经网络(Artificial Networks，ANN)，是近几年来国内外一个前沿研究领域，它是对人脑 或自然神经网络若干基本特性的抽象和模拟进行分布式并行信息处理的数学模型．它特有的非线性适应 性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷， 在神经专家系统、模式识别、智能控制、组合优化等领域取得成功应用…．BP网络(BackpropagationNN)是 一种单向传播的多层前向网络，是目前最为广泛、最具影响的人工神经网络学习算法之一． 互式程序．MATLAB本身带有神经网络工具箱，它提供了许多有关神经网络设计、训练和仿真的函数．用户 只要根据自己的需要调用相关的程序，从而免除了编写复杂而庞大的算法程序的困扰旧1． 1 BP算法的数学描述 1．1 BP网络结构 翟量反传(擘习算法) 基于BP算法的多层前馈型网络的结 构如图1所示．网络由输入层、一个或多个 隐层、输出层构成．同层节点中没有任何 耦合，每一层节点的输出只影响下一层节 信号) 点的输出．网络的学习过程由正向和反向 传播两部分组成”】．反向传播其节点单元 特征通常为Sigmoid型{．f(X)=1／[1+exp (一Bx)]，B0}．在网络训练阶段用准备 蠢含层 信号蠢 好的样本数据依次通过输入层、隐层和输 出层。比较输出结果和期望值，若没有达 到要求的误差程度或者训练次数，即经过 输出层、隐层和输入层，来调节权值，以便 图1 基于BP算法的神红元网络的结构 使网络成为一定适应能力的模型． 1．2 BP网络的算法描述 (1)对每一层的权值wij初始化．网络的权值一般在EO，1]之间取值． (2)对输入数据的预处理，提供训练样本以及目标输出．输入训练样本：x=(x。，五，…以，1)期望输 出：Y=(yl，y2，…L) (3)计算各层的输出． 对于第k层第i个神经元的输出X／‘有：阢‘=n互+1％玛h1，五+。卜1=l，既∥。=一口，五‘=厂(配‘) 万方数据 ·66· 盛仲飙：BP神经网络原理及MATLAB仿真 第23卷 d‘‘=X‘‘(1一五‘)；w名d‘‘”． (5)修正权系数wi／和阀值a ％(t+1)=既(I)一刀．dj‘．乃卜1，，7为学习速率． (6)当求出了各层各个权系数之后，可按给定品质指标判别是否满足要求．如果满足要求，则算法结 束；如果未满足要求，则返回(3)执行。 2 BP算法的改进 2．1 BP算法的缺陷 由于BP算法