首 页文档资料下载资料维修视频包年699元
请登录  |  免费注册
当前位置:精通维修下载 > 文档资料 > 家电技术 > 单元电路介绍 > 其它电路
LabVIEW中BP神经网络的实现及应用
来源:本站整理  作者:佚名  2009-07-14 09:50:14



0 引 言
   
LabVIEW是美国NI公司开发的高效图形化虚拟仪器开发平台,它的图形化编程具有直观、简便、快速、易于开发和维护等优点,在虚拟仪器设计和测控系统开发等相关领域得到了日益广泛的应用,它无需任何文本程序代码,而是把复杂、繁琐的语言编程简化成图形,用线条把各种图形连接起来。BP神经网络属于前馈神经网络,它广泛应用函数逼近、模式识别、分类和数据压缩等领域,若将神经网络与虚拟仪器有机结合,则可以为提高虚拟仪器测控系统的性能提供重要的依据。

1 BP神经网络学习算法
    BP模型是一种应用最广泛的多层前向拓扑结构,以三层BP神经网络作为理论依据进行编程,它由输入层、隐层和输出层构成。设输入层神经元个数为I,隐层神经元个数为J,输出层神经元个数为K,学习样本有N个(x,Y,)向量,表示为:输入向量X{x1,x2,…,xI},输出向量l,{Y1,Y2,…,Yx),理想输出向量为T{tl,t2,…,tK}。
    (1)输入层节点i,其输出等于xi(i=1,2,…,I,将控制变量值传输到隐含层,则隐层第j个神经元的输入:

   
    其中:Wji是隐层第J个神经元到输入层第i个神经元的连接权值。
    (2)隐层第J个神经元的输出:

   
    (3)神经网络输出层,第k个神经元的输入为:

   
    其中:Vkj是输出层第k个神经元到隐层第j个神经元的连接权值。
    (4)神经网络输出层,第志个神经元的输出为:

   
    (5)设定网络误差函数E:


    (6)输出层到隐层的连接权值调整量△Vkj:

   
    (7)隐层到输入层的连接权值调整量wji:

   


2 用LabVlEW实现BP神经网络的两种方法
   
用LabVIEw实现BP神经网络的两种方法为:
    (1)由于Matlab具有强大的数学运算能力以及在测控领域的广泛应用。在LabVIEW中提供了MatlabScript节点,用户可在节点中编辑Matlab程序,并在Lab—VIEW中运行;也可以在LabVIEW程序运行时直接调用已经存在的Matlab程序,如使用节点则必须在系统中安装:Matlab5以上版本,在写入Matlab节点前要将程序先调试通过,并确保其中变量的数据类型匹配。
    (2)由于LabVIEW的图形程序是独立于运行平台的,而且是一种数据驱动的语言,可以方便地实现算法且易修改,结合其SubVI技术可以增加程序的利用率,因此可以采用图形编程的方法实现前向网络的算法。
2.1 利用Matlab Scriipt节点实现
   
在此以对一个非线性函数的逼近作为例子来说明实现流程,其中输入矢量p=[一1:O.05:1];目标矢量f—sin(2。pi*p)+0.1randn(size(p))。利用.Mat—lab Script节点实现BP算法的过程如下:
    (1)新建一个LabVIEw vi,在框图程序中添加Matlab Script节点。
    (2)在节点内添加Matlab的动量BP算法实现代码,并分别在节点左右边框分别添加对应的输入/输出参数,如图1所示。
    (3)在vi的前面板添加相应的控件,设置输入参数,连接输出控件。执行程序,结果如图2、图3所示。

    此方法能够直接利用Matlab强大的神经网络工具箱,程序运行时会自动调用系统中已安装的Matlab进行计算,不用进行复杂的编程,开发效率很高。
2.2 利用图形编程实现
    LabVIEw是美国NI公司推出的基于图形化编程的虚拟仪器软件开发工具,它无需任何文本程序代码,而是把复杂、繁琐的语言编程简化成图形,用线条把各种图形连接起来。在此以一个设备状态分类器设计作为例子来说明实现流程输入,该设备有8个输入分量,即温度、湿度等外部条件;而输出状态则有3种,分别为正常、偏小、偏大。这里采用12个训练样本,每个样本有8个分量,3类输出分别编码为(O 1),(1 0),(1 1),以下即为输入样本及标准输出数据(见图4、图5)。

   

[1] [2]  下一页

关键词:

文章评论评论内容只代表网友观点,与本站立场无关!

   评论摘要(共 0 条,得分 0 分,平均 0 分)

推荐阅读

图文阅读

热门阅读

Copyright © 2007-2017 down.gzweix.Com. All Rights Reserved .
页面执行时间:48,343.75000 毫秒