LabVIEW中BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)及應(yīng)用
加入技術(shù)交流群
隱層輸人H(見(jiàn)圖6)。
(2)BP神經(jīng)網(wǎng)絡(luò)隱層輸出H的圖形化程序。根據(jù)算法中的式(2)編寫(xiě)，由于在很多測(cè)試實(shí)踐中參數(shù)間的關(guān)系是非線性的，這里主要應(yīng)用Sigmoid型tansig函數(shù)作為隱層的傳遞函數(shù)，主要應(yīng)用程序面板中函數(shù)一數(shù)學(xué)一數(shù)值及基本與特殊函數(shù)等數(shù)學(xué)控件實(shí)現(xiàn)(見(jiàn)圖7)。
(3)BP神經(jīng)網(wǎng)絡(luò)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(shí)現(xiàn)，在此不再重復(fù)。
(4)網(wǎng)絡(luò)誤差函數(shù)E的圖形化程序。根據(jù)算法中式(5)編寫(xiě)程序，其中：t為理想輸出，y為網(wǎng)絡(luò)輸出。其中應(yīng)用函數(shù)一數(shù)學(xué)一基本與特殊函數(shù)中的指數(shù)函數(shù)控件來(lái)實(shí)現(xiàn)(見(jiàn)圖8)。本文引用地址：http://m.butianyuan.cn/article/188831.htm
(5)BP神經(jīng)網(wǎng)絡(luò)各參數(shù)調(diào)整量的圖形化程序根據(jù)上述學(xué)習(xí)算法中的式(6)和式(7)，其中：x為網(wǎng)絡(luò)輸入樣本；y，￡分別為網(wǎng)絡(luò)實(shí)際輸出和期望輸出；h為隱層輸出；v為隱層輸出權(quán)值。通過(guò)調(diào)用LabVIEw軟件中數(shù)學(xué)計(jì)算控件，經(jīng)過(guò)一系列數(shù)學(xué)計(jì)算，分別得到網(wǎng)絡(luò)隱層輸出權(quán)值調(diào)整量△v以及隱層輸入權(quán)值調(diào)整量△w，如圖9、圖10所示。
(6)完整的學(xué)習(xí)算法的圖形化程序。將以上各個(gè)程序模塊綜合在一起，可以得到完整的學(xué)習(xí)算法實(shí)現(xiàn)程序，如圖11所示。
通過(guò)設(shè)定網(wǎng)絡(luò)的輸入樣本z、輸出期望t、隱層輸入權(quán)值w，輸出v的初始值，經(jīng)過(guò)一系列的矩陣運(yùn)算，獲得調(diào)整后隱層權(quán)值w,v參數(shù)值。運(yùn)行結(jié)果如圖12所示，由圖可以非常直觀看出，網(wǎng)絡(luò)輸出與網(wǎng)絡(luò)理想輸出相當(dāng)接近，說(shuō)明網(wǎng)絡(luò)訓(xùn)練的結(jié)果是滿意的。
3 結(jié) 語(yǔ)
在利用LabVIEw實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的計(jì)算，方法一通過(guò)直接調(diào)用Matlab程序，簡(jiǎn)單易行，只是事先需要裝有Matlab5．O以上的版本。方法二運(yùn)用圖形化編程對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)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(yǔ)言的特點(diǎn)。
評(píng)論