超聲波液位計液態介質測量高精度的探討 三十三

4．4 BP網絡

4．4．1確定BP網絡的結構

確定了網絡層數、每層節點數、傳遞函數、初始權系數、學習算法等也就確定了BP網絡。BP網絡模型結構的確定有兩條比較重要的指導原則。對于一般的模式識別問題，3層網絡可以很好地被解決。3層網絡中，隱含層神經元個數n2和輸入層神經元個數n1之間有近似關系。

隱含層的神經元個數并不是固定的，更多的是靠經驗和試湊，需要經過實際訓練的檢驗來不斷調整。

(1)隱層數的確定：

1998年Robert Hecht—Nielson證明了對任何在閉區間內的連續函數，都可以用一個隱層的BP網絡來逼近，因而一個三層的BP網絡可以完成任意的n維到m維的映照。因此我們從含有一個隱層的網絡丌始進行訓練。

(2)BP網絡常用傳遞函數：

BP網絡的傳遞函數有多種。Log-sigmoid型函數的輸入值可取任意值，輸出值在0和1之間；tan—sigmod型傳遞函數tansig的輸入值可取任意值，輸出值在一1到+1之問；線性傳遞函數purelin的輸入與輸出值可取任意值。BP網絡通常有一個或多個隱層，該層中的神經元均采用sigmoid型傳遞函數，輸出層的神經元則采用線性傳遞函數，整個網絡的輸出可以取任意值。

只改變傳遞函數而其余參數均固定，用本章4．2節所述的樣本集訓練BP網絡時發現，傳遞函數使用tansig函數時要比logsig函數的誤差小。于是在以后的訓練中隱層傳遞函數改用tansig函數，輸出層傳遞函數仍選用purelin函數。

詳情請瀏覽公司網站的產品中心 http://www.m.jxper05.cn/   超聲波液位計