raccati方程用Matlab怎么求,基于MATLAB的BP神经网络设计

基于MAT LAB的BP神经网络设计3

孙　帆　施学勤

(华中科技大学控制科学与工程系　武汉　430074)

摘　要　BP神经网络已广泛应用于非线性建摸、函数逼近、系统辨识等方面,但对实际问题,其模型结构需由实验确定,无规律可寻。简要介绍利用MAT LAB语言进行BP网络建立、训练、仿真的方法及注意事项。

关键词　BP　神经网络　MAT LAB语言　设计

中图分类号　TP183

1　引言

人工神经网络(rtificial Neural Net w orks简称ANN)是近年来发展起来的模拟人脑生物过程的人工智能技术。它由大量的、同时也是很简单的神经元广泛互连形成复杂的非线性系统,已经在信息处理模式识别、智能控制及系统建模等领域得到越来越广泛的应用。尤其是基于误差反向传播(Er2 r or Back Pr opagati on)算法的多层前馈网络(Multi2 p le Layer Feed for ward Net w ork)(简称BP网络),可以以任意精度逼近任意的连续函数,所以广泛应用于非线性建模、函数逼近、模式分类等方面。虽然BP神经网络是目前应用最广泛、研究较多的一种网络。但是关于它的开发设计目前为止还没有一套完整的理论。本文在参考其他文献[1]～[3]的基础上,给出BP神经网络设计的一些共性的原则。

2　BP神经网络设计步骤

BP网络的设计主要包括输入层,隐层,输出层及各层之间的传输函数几个方面。

2.1　网络层数

大多数通用的神经网络都预先预定了网络的层数,而BP网络可以包含不同的隐层。但理论上已经证明,在不限制隐含节点数的情况下,两层(只有一个隐层)的BP网络可以实现任意非线性映射。在模式样本相对较少的情况下,较少的隐层节点,可以实现模式样本空间的超平面划分,此时,选择两层BP网络就可以了;当模式样本数很多时,减小网络规模,增加一个隐层是有必要的,但是BP网络隐含层数一般不超过两层。

2.2　输入层的节点数

输入层起起缓冲存储器的作用,它接收外部的输入数据,因此其节点数取决于输入矢量的维数。当把大小的图像的像素作为输入数据时,输入节点数将为256个。一般来说,网络的输入个数应等于应用问题的输入数,MAT LAB的BP网络的建立是通过函数ne wff实现的。

2.3　网络数据的预处理

为使网络训练更加有效,对神经网络的输入、输出数据进行一定的预处理可以加快网络的训练速度。Matlab提供的预处理方法有归一化处理、标准化处理和主成分分析。常采用的是归一化处理,即将输入、输出数据映射到[-1,1]范围内,训练结束后再反映射到原数据范围。

2.4　输出层的节点数

输出层节点数取决于两个方面,输出数据类型和表示该类型所需要的数据大小。当BP网络用于模式分类时,以二进制形式来表示不同模式输出结果,输出层的节点数可根据待分类模式数确定。

2.5　隐层的节点数

一个具有无限隐层节点的两层BP网络可以实现任意从输入到输出的非线性映射。但对于有限个输入模式到输出模式的映射,并不需要无限个隐层节点,这就涉及到如何选择隐层节点数的问题,而这一问题的复杂性,使得至今为止,尚未找到一个很好的解析式,隐层节点数与求解问题的要求、输入输出单元数多少都有直接的关系。另外,隐层节点数太多会导致学习时间过长;而隐层节点

421 计算机与数字工程 第35卷3收到本文时间:2006年10月19日

作者简介:孙帆,男,硕士研究生,研究方向:神经网络算法,水电站电价预测。施学勤,女,硕士研究生,研究方向:数据库理论与设计,管理信息系统。