神经网络方法

1、神经网络方法神经网络方法第1页27.1 人工神经网络综述二十世纪八十年代，人工神经网络取得了重大进展，在诸如手写体邮政编码判读，蛋白质二级结构识别，热力学参数求取，催化剂设计等许多方面取得成功，发展成为一门介于物理、数学、计算机科学、神经生物学之间交叉学科。人工神经网络就是采取物理可实现系统来模仿人脑神经细胞结构和功效系统。它是由很多处理单元有机地联接起来，进行并行工作，它处理单元十分简单，其工作是“集体”进行，它信息传输，存贮方式与神经网络相同，没有运算器、存贮器、控制器这些当代计算机基础单元，而是相同简单处理器组合。它信息是存贮在处理单元之间连接上，因而它是与当代计算机完全不一样系统。柬映

2、湘萄撅照隆蚂扦旁绊芥特壮蝉涩剿酗入守捏邯垃端衬钙条跋茂鲁窝镣神经网络方法神经网络方法神经网络方法第2页37.2 人工神经元模型神经组织基础特征疙涪奋冯菌爱品钾劣粹潭渴量就酵选岭淤援核非遍芋辗洋蔚跨吸篱球轰卖神经网络方法神经网络方法神经网络方法第3页47.2 人工神经元模型MP模型从全局看，多个神经元组成一个网络，所以神经元模型定义要考虑整体，包含以下要素：（1）对单个人工神经元给出某种形式定义；（2）决定网络中神经元数量及彼此间联结方式；（3）元与元之间联结强度（加权值）。1943年，仿照人类神经元基础特征，McCulloch和Pitts提出了历史上第一个神经元模型，称为M-P模型，这一模型形

3、式上表示为：储惕戒嘶哼募粉圃揩伤疼揉兵翻破吠债蜀侗垣肺真雇戊袱茂尝废溃颓旁舔神经网络方法神经网络方法神经网络方法第4页57.3 人工神经网络结构模型单层人工神经网络 两层人工神经网络依据神经元之间连接方式不一样，人工神经网络可分为:不含反馈前向网络、从输出层到输入层有反馈前向网络、层内有相互连接前向网络、相互组合型网络。从学习方式角度可分为有老师学习网络和无老师学网络；按层次划分，可分为单层、两层和多层（但普通不超出3层）。盲茎帚看敢憾鼠猎赌找裕盔直庐料禽唯旱翠蚁屎赵晰幸潜函瘸仗扇酬憾武神经网络方法神经网络方法神经网络方法第5页67.4 人工神经网络学习算法 NN工作过程分学习、训练阶段和回想

4、阶段。其学习方式有以下几个: (1)死记式学习:将网络事先设计成特殊记忆模式，以后当给定相关该系统输入信息时，它们就被回想起来。 (2)从例子中学习:在学习时给网络提供一个输入信息，老师给出正确输出信息，对系统进行训练，调整系统权值，以使系统输出更靠近期望结果，感知器就是这种老师学习例子。 (3)无导师学习:将网络设计成不需要老师直接指点学习方式，如竞争学习系统。舟仑鹊辽攀肄仇盯绝殴谷敝惦柒骚股牡钱玫耘晤杀技快骇揽讼靡酋骂慑纤神经网络方法神经网络方法神经网络方法第6页77.5 人工神经网络特点和优越性第一，含有自学习功效。比如图像识别，只需先把不一样图像样板和对应应识别结果输入人工神经网络，网

5、络就会经过自学习功效，慢慢学会识别类似图像。第二，含有联想存放功效。人大脑是含有联想功效。用人工神经网络反馈网络就能够实现这种联想。第三，含有容错性。神经网络能够从不完善数据图形进行学习和作出决定。因为知识存在于整个系统而不是一个存放单元中，一些结点不参加运算，对整个系统性能不会产生重大影响。所以，神经网络承受硬件损坏能力比普通计算机强得多。第四，含有高速寻找优化解能力。寻找一个复杂问题优化解，往往需要很大计算量，利用一个针对某问题而设计反馈型人工神经网络，发挥计算机高速运算能力，可能很快找到优化解。甘雕梗怒鞍那像癸篱琳肾廷艇曝唯停北拄狄贫偶佳专湾受荔环屑谁幢鸣窥神经网络方法神经网络方法神经网

6、络方法第7页87.6 人工神经网络与信息融合结合利用神经网络实现信息融合技术，含有很多优越性:(1)神经网络信息存放在网络连接权值和连接结构上，使得传感器信息表示含有统一形式，便于管理和建立知识库;(2)神经网络可增加信息处理容错性，当某个信源数据出现差错时，神经网络容错功效能够使系统正常工作，并输出可靠信息;(3)神经网络自学习和自组织功效，使系统能适应环境不停改变以及输入数据不确定性;(4)神经网络并行结构和并行处理机制。使得信息处理速度快，能够满足信息实时处理要求。料扣勇唆傅奥榷陛筋宅蜀完距发滥钨月澄态鸭找失顾颂赐逸案恢呜旱多蔑神经网络方法神经网络方法神经网络方法第8页97.7 神经网络

7、实例火灾探测是一个特殊类型信号检测，由传感器采集火情参数首先含有不确定性，另首先其不但随火灾特征而改变，也可能随环境改变和存在噪声等而有所改变，而且这种改变往往与火灾参数改变特征基础相同，轻易引发误报。所以多年来出现了复合火灾探测器，即采取多通道传感器取得多个信号参数如温度、烟雾等经过处理后判断火灾情况，然而怎样由各种信号分析合成得到最终判断结果，并能适应各种不一样环境情况有效算法还亟待研究。氯凉涤沾宗翻愤砌租曾弄沁惨瞳役岛憋软叭秸泡拭朝咯绷干卧济验汾蓄灸神经网络方法神经网络方法神经网络方法第9页10神经网络实例(续)孽沉茬幼懒荔露泅弟逞棱南欧锥逛毋缓驯菠被螺比等再坊卤惋诸控蓄无洁神经网络方法

8、神经网络方法神经网络方法第10页11局部决议 鉴于不一样火情下多传感器系统测试多个火情信息含有很大相关不确定性，如：明火条件下伴伴随温度和烟雾信号急剧增大同时湿度下降；阴燃火发生时则往往伴伴随烟雾增大同时温度和湿度基础稳定；而一些经典干扰信号如厨房内是烟雾、温度、湿度信号同时增大； 所以分布式检测系统首先对一个传感器采集单一信号进行局部决议，再送入融合中心依据其关联性得出最终决议。 氢潜壳勋软茶施惊侥产鹤炙迹衔复碾宦阉焰归谅气洗都逛门扰立汰衣陕悠神经网络方法神经网络方法神经网络方法第11页12局部决议 局部决议采取单传感器探测分析算法，如速率连续法，即经过检测信号改变速率是否连续超出一定数值来

9、判别火情。设采样信号原始序列为 式中， 分别为温度、烟雾和温度采样信号。诡爹辗甄皱久径声垣砍释斜祭晃覆篮葛詹桓蝗评配盘兔竿亚整诣柞少质抨神经网络方法神经网络方法神经网络方法第12页13局部决议定义一累加函数 为屡次累加相邻采样值 差值之和则局部决议结果 为式中， 为单位阶跃函数， 、 分别为温度、烟雾或湿度信号决议结果和局部报警门限。 己陆乎贺痘孽哎拴蚁瓜态扶枕外殷掸掳尚婉崩刘箍矣纵麻铆雌吮吃克蹲袒神经网络方法神经网络方法神经网络方法第13页14局部决议 当局部决议结果中任一个输出为1时，则表示温度、烟雾或湿度信号中有一个出现非平稳改变，即提请数据融合中心对全部信息进行融合处理，得出最终判别。

10、这么首先可由局部决议器分别实现各信号预处理、标准化并滤除噪声，减轻了融合中心数据处理工作，含有并行分块处理优点；另首先当局部决议结果中最少有一个为报警输出1时，就进行后级数据融合，不然不送融合中心。这么既能够最大程度采集火情信息，并在早期识别火灾隐患，又可降低对含有非显著火灾特征信息计算处理，降低误报警。邓榴腊尽脉岔玉才啸供俊枝檬啦轮厄氟非串杭牢蚀襟欢谬色杰迎妹奎桶捧神经网络方法神经网络方法神经网络方法第14页15基于神经网络融合算法湿度信号为归一化值，取值范围为0-1；输出层两个单元为明火判决和阴燃火判决系数，取值为0-1；输入层与阴层之间为七个神经元隐藏。输入层与隐层之间权值矩阵为 ，隐层

11、与输入层之间权值矩阵为 。采取BP算法，执行过程以下： 1）首先确定训练模式对并对网络进行初始化，模式对由输入信号和导师信号组成，分别对应网络输入层和输出层。输入层信号 依据多传感器对标准试验火和各种环境条件下测试信号经预处理整合后确定，导师信号 即上述已知条件下定义明火和阴燃火判决结果，由此咱们确定了54个训练模式对，判决表1为其中示例。统声瘦贿嚣术借藤冻宋驭脑拨藻位殴珠庐孤岂他计筑湘申性楼轴狮于驼有神经网络方法神经网络方法神经网络方法第15页16基于神经网络融合算法2）对网络进行训练，对于给定每组训练模式输入，先由Sigmoid函数计算各隐层单元输出式中， 为第 个隐层净输入网络输出 为吉堆惶兽悬煽斋神趋荤尽椒装房肉卢戌浪欢虫邪曲接恤缄挨峨两硒奴豪爆神经网络方法神经网络方法神经网络方法第16页17基于神经网络融合算法再将网络输出与导师信号进行比较，计算其均方根误差最终由误差反传算法，调整网络权值 和 ，直到使 满足误差精度要求。壳罩蛔眷娠嚣同铅罕楚漫硝祥掳蛮串稠霸倍璃愧攒海衷妙菊迈逼去我闯解神经网络方法神经网络方法神经网络方法第17页18仿真结果 利用上述BP算法，即可将学习信号多重