八章变形预报的人工神经网络法.pptVIP

第八章 变形预报的人工神经网络法 §8.1 概述 §8.2 BP网络及其训练算法 §8.3 BP网络拓扑结构设计 §8.4 相似相关系数法确定BP网络结构 §8.5 主要成分确定BP网络结构 §8.6 大样本确定BP网络结构 §8.7 训练样本质量对BP网络推广能力的影响 §8.8 BP网络的推广能力及网络性能的评估 §8.9 BP网络的改进算法分析 §8.10 BP网络的智能训练算法 §8.1 概述 人的大脑是自然界所造就的最高级产物。人的思维主要可概括为逻辑四维和想象四维两种。过去以规则为基础的知识系统可被认为是致力于模拟人的逻辑思维，而人工神经网络则可被认为是探索人的形象思维。根据19世纪末创建的神经元学说，神经元的结构如下图所示 8.1.1 人工神经网络的基本概念和特征 神经元是由细胞体、树突、轴突和突触4部分组成。 神经元群或者神经网络系统对外界有兴趣和抑制两种反应，兴奋指的是相对静止变为相对活动，抑制是指由相对活动变为相对静止。神经元之间信息的传递形式有正、负两种连接。正在接呈相互激发；负连接呈相互抑制。神经元之间的连接强度和积极性可以有所不同，并且都可进行调整，因此人脑才可以有存储信息的功能。 为了模拟人脑神经元网络的功能，心里学家McClloch和数学家Pitts就对人脑神经元进行了形式描述，抽象出了人工神经元结构模型，如下图。 此人工神经元一般简称为神经元，有时也成为结点。其中 为神经元的内部状态，有时也用来表示神经元本身， 为阈值， 为输入信号， 为外部输入信号。记 表示从 到 连接的权值， 为输出，则上述模型可表示为 （8-1） （8-2） （8-3） 当神经元没有内部状态时，可令 h=f （8-4） 当有n个输入神经元记 （8-5） 为神经元 的输入。当 来自某一神经元的输出时，也记其为 ，而且在没有内部状态时，常把阈值也看做一个权值，于是 （8-6） 其中， ， 由诸多人工神经元按一定连接方式由权值连接构成的网络就成为人工神经网络，有时也成为人工神经元网络。从系统观点看，人工神经网络是由大量通过极其丰富和完善的连接而构成的自适应非线性动态系统，由于神经元之间有着不同的连接方式，所以组成不同结构的神经网络系统是可能的。 人工神经网络技术是近年来发展起来的新技术，有着广阔的应用领域，发展速度也很快，有很好的应用前景。其具有以下突出特征： （1）具有大规模并行处理和信息分布式存储能力。 （2）具有容错性和鲁棒性。主要表现在神经网络中某个神经元的损坏，或某两个神经元之间的连接损坏，或某个神经元的输入有偏差时，网络的性能没有明显改变。 （3）具有自学习呢能力适用于实际样本中提取特征，获取知识。 （4）它具有较的非线性的非线性动态处理能力，无需知道自变量和因变量之间的关系，就可实现高度非线性映射，因而可以处理复杂的、数量关系不明确的问题，包括大坝变性分析与预报及安全性评价、环境评价等问题。 8.1.2 人工神经网络模型 人工神经网络依照其结构、状态和学习方式的不同，可将人工神经网络按不同方式进行分类： （1）按网络结构可分为前馈型网络和反馈型网络两大类。前馈型模型有明显的层次关系，信息单方向的从输入层向输出层流动，反馈型网络没有明显的层次关系，信息的传输存在反馈机制。 （2）从神经元的状态上神经网络有两种划分方案：一种按神经元取值状态是连续的还是离散的划分，神经网络可分为离散型神经网络和连续型神经网络。 （3）按照学习方式可分为有导师学习网络和无导师学习网络。 （4）从系统的观点来看，神经网络可分为两大