神经网络应用补.pptxVIP

第7章（补）人工神经网络;7.1神经网络基本知识01;神经元的输出可描述为式中：f;图7-2常见的作用函数形式;阈值型神经元阈值型神经元是一;S型作用函数反映了神经元的非线;式中,C、AC表示常量。三;神经网络结构图7-3分层网;图7-4相互连接型网络;神经网络的学习Hebb学习规;误差修正算法是神经网络学习中另;神经网络的记忆神经网络记忆包;一、数字上的映射逼近通过一组;7.2前向网络图9;感知机的学习算法为输入状态x;BP网络图9-6一个;一般选用下列S形作用函数：且;学习算法假设BP网络每层有N;如果任意设置网络初始权值，那么;而这里，令于是这就是通常;当Opj表示输出层单元的输出时;当Opj表示隐单元输出时，其误;故至此，BP算法权值修正公式;在实际应用中，考虑到学习过程的;(4)后向传播过程：计算同;三、竞争网络图7-7两层;当竞争层所有单元的输入总和计算;7.3反馈网络图7;Hopfield神经网络A/D;图7-10迟滞现象;图7-11非对称HNN网A;图7-12采用非对称结构;7.4神经网络在智能传感器中;二、神经网络算法对应每一个实;图7-13权值训练原理示意;logo浓度传感器非线性估计及;四、实例分析及结论传感器1：;图7-14拟合曲线;表7-1传感器输出及对应浓;神经网络在监测材料损伤中的应用;二、智能结构系统简介图7-;图7-16三层BP网络;图7-17BP算法流程;四、实验结果表7-2BP;表7-3在线仿真实验数及结果;7.4.3神经网络滤波问题;自适应线性函数的最小二乘法(L;权值修正公式为ε(k)为误差;软件编程及说明实现上述算法的;单击此处可添加副标题grid;k=［k,i］;d=w*x;w=w+(e1*1)*x1q;xt1=m*x1+xxt2=;1.采样部分图7-18采;首先利用MATLAB中的ran;四、实验效果图7-19加;图7-20恢复正弦波;7.4.4神经网络实现微弱信;BP网络权向量方法原理(BPW;取背景噪声的期望值mx作为期待;7.4.5基于神经网络的传;图7-22前向网络用于;采用BP网络(参考图7-22);综合修正方法图7-23综;神经网络误差修正方法的步骤描述;四、实例分析表7-4实验;无标题;图7-24修正后x、t、;(消除两个非目标参量的影响);基于神经网络法的三传感器数据融;图7-26传感器模块电路原;压力传感器：这里的???力传感器采;单击此处添加大标题内容温度传感;2)神经网络模块#2022;单击此处添加正文，文字是您思想;表7-5不同工作温度及供电;表7-6神经网络输入输出标;式中:;如T=21.5℃且当i=1时;计算举例：计算m=4的输入输出;4.神经网络的训练及其结构的确;图中i、j和k分别是输入层、隐;图7-28BP网络训练过程;计算隐层单元输出值f(Sj)。;计算输出层和隐层训练误差δk与;(6)修正权值：式中，η和;5.数据融合结果及评价融合处;表7-7融合处理结果经网络;式中:PFS=5.0(×10;6.几点说明神经网络隐层结点