电动助力转向系统电动助力转向系统.pptxVIP

;项目五 电动辅助系统 ;任务一 电动助力转向系统;;;;;;;;;7.1 单神经元网络;2 神经元模型 图7-1中 为神经元的内部状态， 为阈值， 为输入信号， ， 为表示从单元 到单元 的连接权系数， 为外部输入信号。 图7-1神经元模型可描述为：;通常情况下，取 即;图7-1 单神经元模型;常用的神经元非线性特性有以下3种： （1）阈值型 图7-2 阈值型函数;（2）分段线性型;（3）Sigmoid函数型;7.2 BP神经网络 1986年，Rumelhart等提出了误差反向传播神经网络，简称BP网络（Back Propagation），该网络是一种单向传播的多层前向网络。 误差反向传播的BP算法简称BP算法，其基本思想是梯度下降法。它采用梯度有哪些信誉好的足球投注网站技术，以期使网络的实际输出值与期望输出值的误差均方值为最小。 ;7.2.1 BP网络特点 （1）是一种多层网络，包括输入层、隐含层和输出层； （2）层与层之间采用全互连方式，同一层神经元之间不连接； （3）权值通过δ学习算法进行调节； （4）神经元激发函数为S函数； （5）学习算法由正向传播和反向传播组成； （6）层与层的连接是单向的，信息的传播是双向的。;7.2.2 BP网络结构;;7.2.3 BP网络的逼近;;用于逼近的BP网络如图7-7所示。; BP算法的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐层逐层处理，并传向输出层，每层神经元（节点）的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转至反向传播，将误差信号（理想输出与实际输出之差）按联接通路反向计算，由梯度下降法调整各层神经元的权值，使误差信号减小。;（1）前向传播：计算网络的输出。 隐层神经元的输入为所有输入的加权之和： 隐层神经元的输出采用S函数激发： 则 ;（1）前向传播：计算网络的输出。 隐层神经元的输入为所有输入的加权之和： 隐层神经元的输出采用S函数激发： 则 ;输出层神经元的输出： 网络输出与理想输出误差为： 误差性能指标函数为： ;（2）反向传播：采用δ学习算法，调整各层间的权值。 根据梯度下降法，权值的学习算法如下： 输出层及隐层的???接权值学习算法为： k+1时刻网络的权值为： ;隐层及输入层连接权值学习算法为： 其中 k+1时刻网络的权值为： ;;;;;;;;;;感谢聆听 !