文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 高等教育 > 工学 > 基于LabWindowsCVI的人工神经网络BP算法的实现
侵权投诉

基于LabWindowsCVI的人工神经网络BP算法的实现

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:

基于LabWindowsCVI的人工神经网络BP算法的实现

21

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email