BP神经网络模拟软件的设计和实现_龚向东

1、 · 234 · 南 昌 大 学 学 报 (理 科 版 0 0 . 199 4年 厂 e | s l l 1 1 . U 1 . n U 0 . OO E O OOE O 0 0E 0 OOE O . O OE O 单 隐层 神经元数为 BP 3 , 网 络 的 输入 层 . O OE O 输 出层神经元 . OO E O OO E O 1 OO E O 1 0 . O OE O O OE O O OE O O OE O O OE O 数为 1 , 隐层 神 经 元 数 按 文 献 个 其 他学 习 3 , . OO E O 6 所 给 上 界 取 4 , . OO E O

2、 . OO E O 00 EO 参 数如 下 给 出 ( 参 见 图 学 习速率 系数 a 图 4 , . OO E O OO E O 0 . 刀一 0 . 5 2 动量 1 , . 1 OO E O . = o · 9 . OO E O 。 1 OO E O . 0 0E 0 初 始 权重 值 懂 m 2 , 0 d 一. 0 0 学 习 精度 一 . 1 在对 8 个 输入 样 本 循 环 训 练 约 : 6 遍 (共 8 2 2 8 3 次 后 , 网 络 学 习 达 到 精 度 要 求 利 用 显 示 模块 。 , 可 以 给 出此 时 的 网 络 状 态 ( 图 权 重 和

3、 阂值 如 下 5 其中 A RR A Y 矩 阵 以 灰度 图 显 示 网 络收 敛 后 的 学 习 时 间 、 学 习时 间 T 3 丝 25 5 B a e r kPr r o P 一 93 14E 一 9 E · 而” _ ” F 3 1 !L ! e r e a r 。 , t e p , 】 畏 1 La y l n 】 e s n e r r o r . 2 28 t到 口巴 圈 甲 巨匕 L 7 E一 3 一 戴 罗 2 r e s i 台 t· 犷 h 二 h 。 , . 泛二 到 图 5 达 到学 习 目的 时 的 网 络 状 态 隐层 权重 矩 阵 :

4、 E 4 OE O 13 “4 0 O O · · “ S · 2 3l EO . 一 3 9 3 EO 川 月 | 侧 . . 一 4 56 E O 一 2 SO E O 9 : . . . 3 9 IEO . , L . 2 竺 8 3E O 。 . 一 1 66 E 8 3 9 E一 . . 8 1 E一 2 隐层 阂值 矩 阵 厂 | s l e w s e L .4 一 .1 住1 1 月1 OJ 1 0 l I 卜 2 3 0 一 5 7 E w e 门 Je l s 输 出 层 权 重 矩 阵 4 : : . 2 7D l · 4 . 98

5、 Eo 一 3 6 3 Eo . 一 2 . 15F ( 一 输 出层 闪 值矩 阵 5 1 E司 第 3 期 龚 向东 , : B P 神 经 网 络 模 拟 软 件 的设 计 和 实现 · 235 · 为 了 检验 网 络 的 推 广 能 力 用学 习 结 束 后 的 上 述 网 络 结 构 对 2 0 个 样 本 进 行识 别 分 类 输 , 入 样本 集 计算 输出和 相应 的分 类结 果 如下 1 OOE O 9 OO E 一 1 . . 、 : 1 . OOE O 落 夕 w e s l 1 O O E 一 2门 . s e | l r 口 曰 J 1 

6、3; ó 八 曰 1 0 U C O 己 匕 Q O 匕 . 86E 一 3 . 上 口 以 工 é 1 , 1 . I 甘 w s e | l r 丫 O 口 八 0 1 1 q 0 O Q . O OE 一 1 OOE 一 l . 1 OOE O . 9 . OOE 一 1 65E 一 l . 1 00E 一 2 . . 1 OO E 一 2 1 S OE 一 l 9 9 0 0 . . . 1 OOE 一 1 3 O OE 一 2 . . . 37E 一 3 62E 一 l . OO E 一 l OOE 一 l 9 . 50 E 一 l . 0 00 E0 S OE

7、一 1 7 OE 一 1 OOE O OOE O 1 OO E 一 2 1 OOE O 0 . . . . 85E一 l 0 1E 一 2 47E 一 3 . O OE 一 l O OE 一 1 OOE 一 1 1 Z OE 一 1 0 0 0 . . . . . 0 0E0 OOE O 00E0 . OO E O . . . . 1 OO E O 0 0 . . . 88E 一 1 96E 一 l . OO E 一 1 . . 1 OOE O 0 0 . . OO E O OO E . . OOE 一 l 1 0 0EO 1 O OE O 0 . . . . OOE O OOE O . 自

8、. 87E 一 1 67E 一 3 . . OOE 一 1 OOE 一 1 00E 一 l . 1 OO E O 1 OO E O 0 . . OO E O 1 OOE O 1 OOE O 1 7 . . . . 17 E 一 3 . 1 O OE O 1 OOE O . . OO E O . . 27E 一 3 99E 一 l . OO E 一 l OOE 一 l O OE 一 1 OOE 一 l OOE OOE O O OE 一 2 OOE 1 OO E O 1 OO E O 9 OO E 一 2 . . . . 2 O OE 一 1 7 OOE 一 2 1 OOE O 0 0 . . .

9、 . . . 34E 一 l 76E 一 3 . . 8 9 . 一2 . . OOE 一 l OOE 一 1 OOE 一 1 OOE O 8 0 . . OO E 一 1 . 78E 一 l 46E 一 l . 一 1 OOE O OOE O 8 8 0 . OO E O OO E . . OOE 一 l OOE . . 8 0 . 一 1 . 96E 一 3 56E 一 1 . 一 1 8 OOE 一 l . . . OO E O . . OOE 一 l 输 入 待 识 样 本集 可 见 对 这个 测 试 样 本 集 的 分 类 正 确 率 达 到 数第 二 个 输 入 样 本 分 类 为

10、 对 应 输 出 状 态 为 最后 用 整数 实现方 法 对三 输 入 要求 改 为 。 一 0 . 计 算输 出 10 。 . 相 应 的 分类 结 果 0 . . % 1 网 络对诸 如 ( 0 , 8 0 . 之类 的 样本 ( 倒 8 。 的类 说 明网 络具 有 一定 的容 错能力 5 , P a r it y 的 标 准 输 入 祥 本 集 在 相 同 的学 习 参 数 ( 仅 学 习 精度 比浮 点 方 法 要 快 得 多 显 , 05 下 进行 训 练 达 到 学 习 目 标 时 的 学 习 时 间 为 5 , 。 然这 是 以 学 习精 度 的 牺 牲 为 代 价 的 4 结

11、 论 , 本 文 所 述 的模 拟 软 件 能 够 构 造 出 多 至 通 过窗 用干 口 设置或 修改 , 4 层的 BP 神 经 网 络 网 络 和 各 层 的 学 习参 数 都 可 。 。 , 网 络 结 构 和 学 习 状 态 可 以 图 形 显 示 和 打 印输 出 运行 结 果 表 明 该软 件 可 , BP 网 络 性 能 的 研 究 并 可 用 来 解 决 某些 实 际 问 题 参 1 · 考 pt lt 文 in g 认 , 献 i rh n e u r a L ip p m a n n R P A n in t r o 、l e 1 r io n r o e o

12、n 一 l n e t s , I E E E A S S P 入 a g · , 入pr i l 1 9 8 7 : 2 3 4 9今 a 、 、 e r 一 1 1 a ll W P D 卜 N e 、 一r a l ( ( 12 、 I , 。 一t ix l g 。 (飞 h · ( r · a xl d Pr o e t 。 i , N Y , : 尸a l、 N (、 r r a n d R e i l h ( l d . , 19 89 神 义 信等 著 入I o k l l 。 t . . 智 能理 论 与 技 术 . 一 f 0 人 工 留 能

13、与 神经 网 络 北 京 人 民 邮 电 出 版 社 1 9 e ( . 92 · l J e t a l F ( r l l 、: 。 t i。 :1 ( 11 、 一 。 c t o d d o e i 、 l( 川 r 。 、 以i ( I: 、 w i rh a 、 i! l g l e h id d t · n la y o r P r (、 c · o f · 236 · 南 昌大 学 学 报 ( 理 科 版 e , 19 94 年 t h IJC N N v o . l l . , 19 89 a : 4 55 4 6 0 a r

14、 n 5 R P u m e l ha n r t , D E V o e t . l , Le in g i n e , te r n a : l r e p r e s e n t a t , io n s by : e r r o r p r o pa g a t io n , P a r a lle l D is tr ib u t e d r o e e s s i g l l N it , C m b i dg e u r a a r MA k n a MIT P iv n r e s s 1 98 6 o r 3 18 3 62 s : 6 e S m ie i a F y? ,

15、 · J Ci a r e u l s t e n e t s w o r e o n s t r u e t r o e e s s e a lg it h m , T : r a di n g ge n e r a li z a t io n fo r le a r n in g ffi i u s e e n e , s Sy m f S ig f l P m i g a , 19 93 p e r e e 12 ( 2 p t r o n s 3 31一 374 , 7 H h D r n e e t , . l E , r r o r s u r a e e s o r u

16、 l i一 l y t e r IE EE T r a n s , o n Sys te m s , M a n a n d Cvbe t ie s 1 99 2 22 ( 5 : 1 152 1 16 1 D E SIG N A N D IM P L E M G EN T AT IO N O F A SIM U L A T I O N _ S O F T 叭7A R E FO R o n BP N E U R A I g X ia ha n r o N ET WO h w a n R K n gd U a o n g e r s (D e pa A bs tr p r o r tm e n

17、t n o ro f P hy s ie g e r r a s , N a n e g p n a iv i ty , N a n e g 3300 47 e n a e t A s im n u l a t io u a P u n m fo w in d o r ba w s e k一p y s te g t io n n e u r a l n e t e o r k i m P le m n a n t e d w it h C e n , g r a m m i n g la g s o g e d s m 15 p s o r e s e n te · d s T h

18、im u d la e s ig a d im P le m n e t t a t io n m e th o d a o f n u t h is r ftw a r e 5 1 d e s e r . ib e d N g h u a . T h e r o e f tw a r e e a n te BP w Pa o r r a k m o , w ho e s e m a x im n e t l w m be e a n o f la y e e r s 15 f o u r r o u mb d ia o f n e u r o n s in . e a e h la y e r a n e x a a n d e o t , h e r t e r s a o f BP r e e o o r k b p in P u te d p e th r o l g 一 w mpl e t e in d o