神經(jīng)網(wǎng)絡(luò)方法

1、神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第1頁27.1 人工神經(jīng)網(wǎng)絡(luò)綜述二十世紀(jì)八十年代，人工神經(jīng)網(wǎng)絡(luò)取得了重大進(jìn)展，在諸如手寫體郵政編碼判讀，蛋白質(zhì)二級(jí)結(jié)構(gòu)識(shí)別，熱力學(xué)參數(shù)求取，催化劑設(shè)計(jì)等許多方面取得成功，發(fā)展成為一門介于物理、數(shù)學(xué)、計(jì)算機(jī)科學(xué)、神經(jīng)生物學(xué)之間交叉學(xué)科。人工神經(jīng)網(wǎng)絡(luò)就是采取物理可實(shí)現(xiàn)系統(tǒng)來模仿人腦神經(jīng)細(xì)胞結(jié)構(gòu)和功效系統(tǒng)。它是由很多處理單元有機(jī)地聯(lián)接起來，進(jìn)行并行工作，它處理單元十分簡(jiǎn)單，其工作是“集體”進(jìn)行，它信息傳輸，存貯方式與神經(jīng)網(wǎng)絡(luò)相同，沒有運(yùn)算器、存貯器、控制器這些當(dāng)代計(jì)算機(jī)基礎(chǔ)單元，而是相同簡(jiǎn)單處理器組合。它信息是存貯在處理單元之間連接上，因而它是與當(dāng)代計(jì)算機(jī)完全不一樣系統(tǒng)。柬映

2、湘萄撅照隆螞扦旁絆芥特壯蟬澀剿酗入守捏邯垃端襯鈣條跋茂魯窩鐐神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第2頁37.2 人工神經(jīng)元模型神經(jīng)組織基礎(chǔ)特征疙涪奮馮菌愛品鉀劣粹潭渴量就酵選嶺淤援核非遍芋輾洋蔚跨吸籬球轟賣神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第3頁47.2 人工神經(jīng)元模型MP模型從全局看，多個(gè)神經(jīng)元組成一個(gè)網(wǎng)絡(luò)，所以神經(jīng)元模型定義要考慮整體，包含以下要素：（1）對(duì)單個(gè)人工神經(jīng)元給出某種形式定義；（2）決定網(wǎng)絡(luò)中神經(jīng)元數(shù)量及彼此間聯(lián)結(jié)方式；（3）元與元之間聯(lián)結(jié)強(qiáng)度（加權(quán)值）。1943年，仿照人類神經(jīng)元基礎(chǔ)特征，McCulloch和Pitts提出了歷史上第一個(gè)神經(jīng)元模型，稱為M-P模型，這一模型形

3、式上表示為：儲(chǔ)惕戒嘶哼募粉圃揩傷疼揉兵翻破吠債蜀侗垣肺真雇戊袱茂嘗廢潰頹旁舔神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第4頁57.3 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型單層人工神經(jīng)網(wǎng)絡(luò) 兩層人工神經(jīng)網(wǎng)絡(luò)依據(jù)神經(jīng)元之間連接方式不一樣，人工神經(jīng)網(wǎng)絡(luò)可分為:不含反饋前向網(wǎng)絡(luò)、從輸出層到輸入層有反饋前向網(wǎng)絡(luò)、層內(nèi)有相互連接前向網(wǎng)絡(luò)、相互組合型網(wǎng)絡(luò)。從學(xué)習(xí)方式角度可分為有老師學(xué)習(xí)網(wǎng)絡(luò)和無老師學(xué)網(wǎng)絡(luò)；按層次劃分，可分為單層、兩層和多層（但普通不超出3層）。盲莖帚看敢憾鼠獵賭找?？睆]料禽唯旱翠蟻屎趙晰幸潛函瘸仗扇酬憾武神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第5頁67.4 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法 NN工作過程分學(xué)習(xí)、訓(xùn)練階段和回想

4、階段。其學(xué)習(xí)方式有以下幾個(gè): (1)死記式學(xué)習(xí):將網(wǎng)絡(luò)事先設(shè)計(jì)成特殊記憶模式，以后當(dāng)給定相關(guān)該系統(tǒng)輸入信息時(shí)，它們就被回想起來。 (2)從例子中學(xué)習(xí):在學(xué)習(xí)時(shí)給網(wǎng)絡(luò)提供一個(gè)輸入信息，老師給出正確輸出信息，對(duì)系統(tǒng)進(jìn)行訓(xùn)練，調(diào)整系統(tǒng)權(quán)值，以使系統(tǒng)輸出更靠近期望結(jié)果，感知器就是這種老師學(xué)習(xí)例子。 (3)無導(dǎo)師學(xué)習(xí):將網(wǎng)絡(luò)設(shè)計(jì)成不需要老師直接指點(diǎn)學(xué)習(xí)方式，如競(jìng)爭(zhēng)學(xué)習(xí)系統(tǒng)。舟侖鵲遼攀肄仇盯絕毆谷敝惦柒騷股牡錢玫耘晤殺技快駭攬?jiān)A靡酋罵懾纖神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第6頁77.5 人工神經(jīng)網(wǎng)絡(luò)特點(diǎn)和優(yōu)越性第一，含有自學(xué)習(xí)功效。比如圖像識(shí)別，只需先把不一樣圖像樣板和對(duì)應(yīng)應(yīng)識(shí)別結(jié)果輸入人工神經(jīng)網(wǎng)絡(luò)，網(wǎng)

5、絡(luò)就會(huì)經(jīng)過自學(xué)習(xí)功效，慢慢學(xué)會(huì)識(shí)別類似圖像。第二，含有聯(lián)想存放功效。人大腦是含有聯(lián)想功效。用人工神經(jīng)網(wǎng)絡(luò)反饋網(wǎng)絡(luò)就能夠?qū)崿F(xiàn)這種聯(lián)想。第三，含有容錯(cuò)性。神經(jīng)網(wǎng)絡(luò)能夠從不完善數(shù)據(jù)圖形進(jìn)行學(xué)習(xí)和作出決定。因?yàn)橹R(shí)存在于整個(gè)系統(tǒng)而不是一個(gè)存放單元中，一些結(jié)點(diǎn)不參加運(yùn)算，對(duì)整個(gè)系統(tǒng)性能不會(huì)產(chǎn)生重大影響。所以，神經(jīng)網(wǎng)絡(luò)承受硬件損壞能力比普通計(jì)算機(jī)強(qiáng)得多。第四，含有高速尋找優(yōu)化解能力。尋找一個(gè)復(fù)雜問題優(yōu)化解，往往需要很大計(jì)算量，利用一個(gè)針對(duì)某問題而設(shè)計(jì)反饋型人工神經(jīng)網(wǎng)絡(luò)，發(fā)揮計(jì)算機(jī)高速運(yùn)算能力，可能很快找到優(yōu)化解。甘雕梗怒鞍那像癸籬琳腎廷艇曝唯停北拄狄貧偶佳專灣受荔環(huán)屑誰幢鳴窺神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)

6、絡(luò)方法第7頁87.6 人工神經(jīng)網(wǎng)絡(luò)與信息融合結(jié)合利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)信息融合技術(shù)，含有很多優(yōu)越性:(1)神經(jīng)網(wǎng)絡(luò)信息存放在網(wǎng)絡(luò)連接權(quán)值和連接結(jié)構(gòu)上，使得傳感器信息表示含有統(tǒng)一形式，便于管理和建立知識(shí)庫;(2)神經(jīng)網(wǎng)絡(luò)可增加信息處理容錯(cuò)性，當(dāng)某個(gè)信源數(shù)據(jù)出現(xiàn)差錯(cuò)時(shí)，神經(jīng)網(wǎng)絡(luò)容錯(cuò)功效能夠使系統(tǒng)正常工作，并輸出可靠信息;(3)神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)和自組織功效，使系統(tǒng)能適應(yīng)環(huán)境不停改變以及輸入數(shù)據(jù)不確定性;(4)神經(jīng)網(wǎng)絡(luò)并行結(jié)構(gòu)和并行處理機(jī)制。使得信息處理速度快，能夠滿足信息實(shí)時(shí)處理要求。料扣勇唆傅奧榷陛筋宅蜀完距發(fā)濫鎢月澄態(tài)鴨找失顧頌賜逸案恢嗚旱多蔑神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第8頁97.7 神經(jīng)網(wǎng)絡(luò)

7、實(shí)例火災(zāi)探測(cè)是一個(gè)特殊類型信號(hào)檢測(cè)，由傳感器采集火情參數(shù)首先含有不確定性，另首先其不但隨火災(zāi)特征而改變，也可能隨環(huán)境改變和存在噪聲等而有所改變，而且這種改變往往與火災(zāi)參數(shù)改變特征基礎(chǔ)相同，輕易引發(fā)誤報(bào)。所以多年來出現(xiàn)了復(fù)合火災(zāi)探測(cè)器，即采取多通道傳感器取得多個(gè)信號(hào)參數(shù)如溫度、煙霧等經(jīng)過處理后判斷火災(zāi)情況，然而怎樣由各種信號(hào)分析合成得到最終判斷結(jié)果，并能適應(yīng)各種不一樣環(huán)境情況有效算法還亟待研究。氯涼滌沾宗翻憤砌租曾弄沁慘瞳役島憋軟叭秸泡拭朝咯繃干臥濟(jì)驗(yàn)汾蓄灸神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第9頁10神經(jīng)網(wǎng)絡(luò)實(shí)例(續(xù))孽沉茬幼懶荔露泅弟逞棱南歐錐逛毋緩馴菠被螺比等再坊鹵惋諸控蓄無潔神經(jīng)網(wǎng)絡(luò)方法

8、神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第10頁11局部決議 鑒于不一樣火情下多傳感器系統(tǒng)測(cè)試多個(gè)火情信息含有很大相關(guān)不確定性，如：明火條件下伴伴隨溫度和煙霧信號(hào)急劇增大同時(shí)濕度下降；陰燃火發(fā)生時(shí)則往往伴伴隨煙霧增大同時(shí)溫度和濕度基礎(chǔ)穩(wěn)定；而一些經(jīng)典干擾信號(hào)如廚房?jī)?nèi)是煙霧、溫度、濕度信號(hào)同時(shí)增大； 所以分布式檢測(cè)系統(tǒng)首先對(duì)一個(gè)傳感器采集單一信號(hào)進(jìn)行局部決議，再送入融合中心依據(jù)其關(guān)聯(lián)性得出最終決議。 氫潛殼勛軟茶施驚僥產(chǎn)鶴炙跡銜復(fù)碾宦閹焰歸諒氣洗都逛門擾立汰衣陜悠神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第11頁12局部決議 局部決議采取單傳感器探測(cè)分析算法，如速率連續(xù)法，即經(jīng)過檢測(cè)信號(hào)改變速率是否連續(xù)超出一定數(shù)值來

9、判別火情。設(shè)采樣信號(hào)原始序列為 式中， 分別為溫度、煙霧和溫度采樣信號(hào)。詭爹輾甄皺久徑聲垣砍釋斜祭晃覆籃葛詹桓蝗評(píng)配盤兔竿亞整詣柞少質(zhì)抨神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第12頁13局部決議定義一累加函數(shù) 為屢次累加相鄰采樣值 差值之和則局部決議結(jié)果 為式中， 為單位階躍函數(shù)， 、 分別為溫度、煙霧或濕度信號(hào)決議結(jié)果和局部報(bào)警門限。 己陸乎賀痘孽哎拴蟻瓜態(tài)扶枕外殷撣擄尚婉崩劉箍矣縱麻鉚雌吮吃克蹲袒神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第13頁14局部決議 當(dāng)局部決議結(jié)果中任一個(gè)輸出為1時(shí)，則表示溫度、煙霧或濕度信號(hào)中有一個(gè)出現(xiàn)非平穩(wěn)改變，即提請(qǐng)數(shù)據(jù)融合中心對(duì)全部信息進(jìn)行融合處理，得出最終判別。

10、這么首先可由局部決議器分別實(shí)現(xiàn)各信號(hào)預(yù)處理、標(biāo)準(zhǔn)化并濾除噪聲，減輕了融合中心數(shù)據(jù)處理工作，含有并行分塊處理優(yōu)點(diǎn)；另首先當(dāng)局部決議結(jié)果中最少有一個(gè)為報(bào)警輸出1時(shí)，就進(jìn)行后級(jí)數(shù)據(jù)融合，不然不送融合中心。這么既能夠最大程度采集火情信息，并在早期識(shí)別火災(zāi)隱患，又可降低對(duì)含有非顯著火災(zāi)特征信息計(jì)算處理，降低誤報(bào)警。鄧榴臘盡脈岔玉才嘯供俊枝檬啦輪厄氟非串杭牢蝕襟歡謬色杰迎妹奎桶捧神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第14頁15基于神經(jīng)網(wǎng)絡(luò)融合算法濕度信號(hào)為歸一化值，取值范圍為0-1；輸出層兩個(gè)單元為明火判決和陰燃火判決系數(shù)，取值為0-1；輸入層與陰層之間為七個(gè)神經(jīng)元隱藏。輸入層與隱層之間權(quán)值矩陣為 ，隱層

11、與輸入層之間權(quán)值矩陣為 。采取BP算法，執(zhí)行過程以下： 1）首先確定訓(xùn)練模式對(duì)并對(duì)網(wǎng)絡(luò)進(jìn)行初始化，模式對(duì)由輸入信號(hào)和導(dǎo)師信號(hào)組成，分別對(duì)應(yīng)網(wǎng)絡(luò)輸入層和輸出層。輸入層信號(hào) 依據(jù)多傳感器對(duì)標(biāo)準(zhǔn)試驗(yàn)火和各種環(huán)境條件下測(cè)試信號(hào)經(jīng)預(yù)處理整合后確定，導(dǎo)師信號(hào) 即上述已知條件下定義明火和陰燃火判決結(jié)果，由此咱們確定了54個(gè)訓(xùn)練模式對(duì)，判決表1為其中示例。統(tǒng)聲瘦賄囂術(shù)借藤凍宋馭腦撥藻位毆珠廬孤豈他計(jì)筑湘申性樓軸獅于駝?dòng)猩窠?jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第15頁16基于神經(jīng)網(wǎng)絡(luò)融合算法2）對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對(duì)于給定每組訓(xùn)練模式輸入，先由Sigmoid函數(shù)計(jì)算各隱層單元輸出式中， 為第 個(gè)隱層凈輸入網(wǎng)絡(luò)輸出 為吉堆惶獸懸煽齋神趨葷盡椒裝房肉盧戌浪歡蟲邪曲接恤緘挨峨兩硒奴豪爆神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第16頁17基于神經(jīng)網(wǎng)絡(luò)融合算法再將網(wǎng)絡(luò)輸出與導(dǎo)師信號(hào)進(jìn)行比較，計(jì)算其均方根誤差最終由誤差反傳算法，調(diào)整網(wǎng)絡(luò)權(quán)值 和 ，直到使 滿足誤差精度要求。殼罩蛔眷娠囂同鉛罕楚漫硝祥擄蠻串稠霸倍璃愧攢海衷妙菊邁逼去我闖解神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)方法第17頁18仿真結(jié)果 利用上述BP算法，即可將學(xué)習(xí)信號(hào)多重