LabVIEW中BP神經(jīng)網(wǎng)絡的實現(xiàn)及應用
隱層輸人H(見圖6)。
(2)BP神經(jīng)網(wǎng)絡隱層輸出H的圖形化程序。根據(jù)算法中的式(2)編寫,由于在很多測試實踐中參數(shù)間的關系是非線性的,這里主要應用Sigmoid型tansig函數(shù)作為隱層的傳遞函數(shù),主要應用程序面板中函數(shù)一數(shù)學一數(shù)值及基本與特殊函數(shù)等數(shù)學控件實現(xiàn)(見圖7)。
(3)BP神經(jīng)網(wǎng)絡輸出層的輸入及輸出程序框圖與隱層的類似,分別根據(jù)式(3)、式(4)編程即可實現(xiàn),在此不再重復。
(4)網(wǎng)絡誤差函數(shù)E的圖形化程序。根據(jù)算法中式(5)編寫程序,其中:t為理想輸出,y為網(wǎng)絡輸出。其中應用函數(shù)一數(shù)學一基本與特殊函數(shù)中的指數(shù)函數(shù)控件來實現(xiàn)(見圖8)。本文引用地址:http://m.butianyuan.cn/article/188831.htm
(5)BP神經(jīng)網(wǎng)絡各參數(shù)調(diào)整量的圖形化程序根據(jù)上述學習算法中的式(6)和式(7),其中:x為網(wǎng)絡輸入樣本;y,£分別為網(wǎng)絡實際輸出和期望輸出;h為隱層輸出;v為隱層輸出權值。通過調(diào)用LabVIEw軟件中數(shù)學計算控件,經(jīng)過一系列數(shù)學計算,分別得到網(wǎng)絡隱層輸出權值調(diào)整量△v以及隱層輸入權值調(diào)整量△w,如圖9、圖10所示。
(6)完整的學習算法的圖形化程序。將以上各個程序模塊綜合在一起,可以得到完整的學習算法實現(xiàn)程序,如圖11所示。
通過設定網(wǎng)絡的輸入樣本z、輸出期望t、隱層輸入權值w,輸出v的初始值,經(jīng)過一系列的矩陣運算,獲得調(diào)整后隱層權值w,v參數(shù)值。運行結果如圖12所示,由圖可以非常直觀看出,網(wǎng)絡輸出與網(wǎng)絡理想輸出相當接近,說明網(wǎng)絡訓練的結果是滿意的。
3 結 語
在利用LabVIEw實現(xiàn)BP神經(jīng)網(wǎng)絡的計算,方法一通過直接調(diào)用Matlab程序,簡單易行,只是事先需要裝有Matlab5.O以上的版本。方法二運用圖形化編程對BP神經(jīng)網(wǎng)絡進行仿真,具有形象、直觀、便于使用和理解的優(yōu)于傳統(tǒng)文本編程語言的特點。
評論