关于labwindows的论文
基于LabWindows CVI的人工神经网络BP算法的实现
曾祥学,罗卫华,张 斌
(武汉大学电气工程学院 湖北武汉 430072)
摘 要:提出了一种BP学习算法的改进算法,与传统BP算法相比,本算法针对传统BP算法收敛速度较慢的缺点,提出了两点改进:一是选用奇函数作为激励函数;二是改进了学习过程中不随误差变化的误差反向传播因子,并给出了该算法在LabWindows CVI环境下的实现方法。程序运行表明,本算法使学习速度有了较显著的提高。
关键词:人工神经网络;BP算法;LabWindows CVI
中图分类号:TN91116 文献标识码:B:10043730202103
ImplementofArtificialNeuralindows CVI
,,GBin
E,University,Wuhan,430072,China)
Inthispaper,algoofartificialneuralnetworkisimproved1AscomparedtotheconventionalBPalgorithm,
againstthelowspeedofBP,twoimprevementsareproposed1Thefirstimprovementistheusingofanoddfunctionastheactivefunction,theotheristheusingofanewmodifiederrorbackpropagationfactorinthelearningprocess1Atthesametime,animplementingmethodofthisalgorithminLabWindows CVIisgiveninthispaper1Astheprogramisrunning,wecanseethatthelearningspeedofthisalgorithmexceedsthatoftheconventionalBPalgorithmevidently1
Keywords:artificialneuralnetworks;BPalgorithm;LabWindows CVI
Abstract:
1 引 言
神经网络是虚拟仪器设计中用于信号分析与处理的常用算法。他由输入层、隐含层及输出层组成,可以通过对已知样本学习,掌握经验,从而对未知样本做出判别。学习方法中影响最大的是DavidRumelhart等人提出的误差反向传播(BP)算法。该学习算法由工作信号正向传播和误差信号反向传播2个学习过程组成。在正向传播过程中,输入信号从输入层经隐单元传向输出层,在输出端产生输出信号。同时,将期望的输出和实际输出之间的二次误差沿原来的传递通路反向传播到输入层,并以此调整各层神经元的权值系数,最终使得误差信号最小。BP算法直观简单,容易实现,但是在实际应用中他也存在2个重要问题:收敛速度慢、目标函数存在局部极小点,限制了该方法的进一步运用。
本文在BP算法的基础上,针对传统BP算法收敛速度较慢的缺点,提出了2点改进:首先,选用奇函数作为激励函数;其次,在误差的反向传播项中,采用新的误差传播因子。在以上两点改进的基础上,本文给出了该算法在LabWindows CVI环境下的实现方法。2 神经网络BP算法的改进
设输入层为M,即有M个输入信号,其中的任一输入
收稿日期:20041012
信号用x[m]表示;隐含层为I,即有I个神经元,其中任一神经元用i表示;输出层为P,即有P个输出神经元,其中任一神经元用p表示。输入层与隐含层的突触权值用
w1[m][i]表示;隐含层与输出层的突触权值用w2[i][p]
表示。设输入信号用x[m]表示;隐含层输入用u1[i]表示;隐含层输出用v[i]表示;输出层输入用u2[p]表示;输出层输出用y[p]表示。训练样本信号为xs[m],期望输出为
ys[p],而实际输出为yf[p]。
211 工作信号正向传播过程
此时,神经元网络的有关计算公式如下:隐含层单元i的输入u1[i]为:
M-1
u1[i]=
∑w
m=0
1
[m][i] x[m]
-Βx
激励函数为:
f(x)=Α -1+e
Βx
隐含层单元i的实际输出v[i]为:
v[i]=f(u1[i])
输出层单元p的输入u2[p]为:
I-1
u2[p]=
∑w
i=0
2
[i][p] v[i]
输出层单元p的实际输出yf[p]为:
yf[p]=f(u2[p])
输出层单元p的误差信号Ε为:
Ε=ys[p]-yf[p]
误差能量总和E为:

21
人工神经网络之BP模型算法实现_专业资料。BP网络模型误差反向传播算法,有效的解决了权值调整问题,也是至今为止应用最广泛的神经网络。因此,本文介绍了BP的网络模型...
基于BP算法的人工神经网络建模研究_机械/仪表_工程科技_专业资料 暂无评价
对传统的 BP 算法进行了改进 ,提出了 BP 神经网络动态全参数自调整学习算法 ,又将其编制成计算机程 要序 ,使得隐层节点和学习速率的选取全部动态实现 ,减少了...
科技信息 ○I T 论坛 ○ SCIENCE & TECHNOLOGY INFORMATION 2011 年第 3 期 人工神经网络 BP 算法简介及应用侯 瑞 (南京航空航天大学金城学院 江苏 南京 211156...
BP人工神经网络算法的MATLAB实现_计算机软件及应用_IT/计算机_专业资料。MATLAB构建网络节点,实用的MATLAB程序%% 清空环境变量 clc clear %% 训练数据预测数据提取...
Equipment Manufacturing Technology No.1 ,2014 基于 BP 算法的人工神经网络建模研究王 玲天津 300131) (天津机电职业技术学院,摘要: 本项目研究的目的是建立管线...
为消除温度对湿度传感器测量结果的影响,在LabWindows/CVI下实现虚拟湿度测量系统,并应用反向传播(BP)神经网络,通过样本对网络进行训练。测试结果表明温度补偿效果非常...
BP人工神经网络自适应学习算法的建立及其应用_专业资料。解决了BP神经网络结构...实现,减少了人为因素的干预,改善了学习速率和网络的适应能力.计算结果表明:BP神...
然后分析了神经网络算法的基本原理,给出经典神经网络算法的 具体实现方法,总结神经网络算法的特点,掌握 BP 网络的形成步骤。学会使用 Matlab 中的神经网络工具箱函数,...
基于人工神经网络BP算法的倒立摆控制研究_IT/计算机_专业资料。BP控制倒立摆...一般情况下, 糊逻辑控制算法的模糊控制 模 规则在多变量输入下计算繁琐,实现...
热门文档