BP神經網(wǎng)絡基本原理

BP神經網(wǎng)絡基本原理BPBPXi通過中間節(jié)點（隱層點）Yk，網(wǎng)絡訓練的每個樣本包Xt，網(wǎng)絡輸出值Yt調整輸入節(jié)點與隱層節(jié)點的聯(lián)接強度取值Wij和隱層節(jié)點與輸出節(jié)點之間的聯(lián)接Tjk以及閾值，使誤差沿梯度方向下降，經過反復學習訓練，確定與最小誤差相對應的網(wǎng)絡參數(shù)（權值和閾值），訓練即告停止。此時經過訓練的神經網(wǎng)絡即能對類似樣本的輸入信息，自行處理輸出誤差最小的經過非線形轉換的信息。BPBP節(jié)點輸出模型隱節(jié)點輸出模型：Oj=f(∑Wij×Xi-qj) (1)輸出節(jié)點輸出模型：Yk=f(∑Tjk×Oj-qk(2)f-非線形作用函數(shù)；q-神經單元閾值。圖1典型BP網(wǎng)絡結構模型作用函數(shù)模型為(0,1)Sigmoid數(shù)： （3）誤差計算模型誤差計算模型是反映神經網(wǎng)絡期望輸出與計算輸出之間誤差大小的函數(shù)：E=1/2×∑(t-O)2(4)t-i

p-i

pi pipi pi自學習模型神經網(wǎng)絡的學習過程，即連接下層節(jié)點和上層節(jié)點之間的權重拒陣W的設定和ij誤差修正過程。BP網(wǎng)絡有師學習方式-需要設定期望值和無師學習方式-只需輸入模式之分。自學習模型為△W(n+1)=h×Ф×O

ij(n)（5）i j ijh-學習因子；Фi；Oja-動量i j因子。BPh的優(yōu)化速度。h=h+a×(E(n)-E(n-1))/E(n)a0~1（6）p p p隱層節(jié)點數(shù)的優(yōu)化利用逐步回歸分析法并進行參數(shù)的顯著性檢驗來動態(tài)刪除一些線形相關的隱節(jié)）之中，則該節(jié)點可刪除。最佳隱節(jié)點數(shù)LL=(m+n)1/2+c(7)m-輸入節(jié)點數(shù)；n-輸出節(jié)點數(shù)；c-介于1～10的常數(shù)。輸入和輸出神經元的確定利用多元回歸分析法對神經網(wǎng)絡的輸入?yún)?shù)進行處理，刪除相關性強的輸入?yún)?shù)，來減少輸入節(jié)點數(shù)。算法優(yōu)化BPIGABP3.BP系統(tǒng)安全評價包括系統(tǒng)固有危險性評價、系統(tǒng)安全管理現(xiàn)狀評價和系統(tǒng)現(xiàn)實危險性評價三方面內容。其中固有危險性評價指標有物質火災爆炸危險性、工藝危險性、設備裝置危險性、環(huán)境危險性以及人的不可靠性。BP圖-2基于優(yōu)化BP神經網(wǎng)絡的系統(tǒng)安全評價模型BP點數(shù)。確定被評價系統(tǒng)的指標體系包括特征參數(shù)和狀態(tài)參數(shù)運用神經網(wǎng)絡進行安全評價時，首先必須確定評價系統(tǒng)的內部構成和外部環(huán)境，確定能夠正確反映被評價對象安全狀態(tài)的主要特征參數(shù)（輸入節(jié)點數(shù)，各節(jié)點實際含義及其表達形式等），以及這些參數(shù)下系統(tǒng)的狀態(tài)（輸出節(jié)點數(shù)，各節(jié)點實際含義及其表達方式等）。選擇學習樣本，供神經網(wǎng)絡學習選取多組對應系統(tǒng)不同狀態(tài)參數(shù)值時的特征參數(shù)值作為學習樣本，供網(wǎng)(-∞,∞)區(qū)間地預處理，對系統(tǒng)參數(shù)應進行(0,1)區(qū)間地預處理。神經網(wǎng)絡的學習過程即根據(jù)樣本確定網(wǎng)絡的聯(lián)接權值和誤差反復修正的過程。S建立系統(tǒng)安全評價知識庫通過網(wǎng)絡學習確認的網(wǎng)絡結構包括：輸入、輸出和隱節(jié)點數(shù)以及反映其間關聯(lián)度的網(wǎng)絡權值的組合；即為具有推理機制的被評價系統(tǒng)的安全評價知識庫。進行實際系統(tǒng)的安全評價經過訓練的神經網(wǎng)絡將實際評價系統(tǒng)的特征值轉換后輸入到已具有推理安全評價知識庫進一步充實。BP利用神經網(wǎng)絡并行結構和并行處理的特征，通過適當選擇