2022年BP神经网络实验报告要交.doc

2021年BP神经网络实验报告要交
2021年BP神经网络实验报告要交
1 / 14
2021年BP神经网络实验报告要交
BP神经网络在红酒分类中应用
信息学院 研15 谢青青
摘 要: 葡萄酒化学成份复杂, 葡萄酒质量是多种化学成份综合反应, 通常检测方法有感官评定和常规理化指标检测, 感官评定即使在生产中也有较多应用, 不过评测周期长, 影响原因多, 主观性强, 反复性差, 且无法快速检测。使用BP神经网络对标准化且含有一致评判标准数据进行训练, 未来分类时仅仅使用理化指标进行评定, 不带有些人为主观原因。
一、 BP网络介绍
BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首科学家小组提出, 是一个按误差逆传输算法训练多层前馈网络, 是现在应用最广泛神经网络模型之一。BP网络能学习和存贮大量输入输出模式映射关系, 而无需事前揭示描述这种映射关系数学方程。它学习规则是使用最速下降法, 经过反向传输来不停调整网络权值和阈值, 使网络误差平方和最小。BP神经网络模型拓扑结构包含输入层（input）、 隐层(hidden layer)和输出层(output layer)。下图就是一个简单BP网络模型:
BP神经网络结构示意图
二、 BP神经元
2021年BP神经网络实验报告要交
2021年BP神经网络实验报告要交
2 / 14
2021年BP神经网络实验报告要交
下图给出了第j个基础BP神经元（节点）, 它只模仿了生物神经元所含有三个最基础也是最关键功效: 加权、 求和与转移。其中x1、 x2…xi…xn分别代表来自神经元1、 2…i…n输入; wj1、 wj2…wji…wjn则分别表示神经元1、 2…i…n与第j个神经元连接强度, 即权值; bj为阈值; f(·)为传输函数; yj为第j个神经元输出[1]。
第j个神经元净输入值为:
                

BP神经元
其中:     
若视, , 即令及包含及, 则
  
于是节点j净输入可表示为:
2021年BP神经网络实验报告要交
2021年BP神经网络实验报告要交
3 / 14
2021年BP神经网络实验报告要交
净输入经过传输函数（Transfer Function）f (·)后, 便得到第j个神经元输出:
          
式中f(·)是单调上升函数, 而且必需是有界函数, 因为细胞传输信号不可能无限增加, 必有一最大值。
三、 建立BP神经网络
BP网络设计关键包含网络层数、 输入层节点数、 隐含层节点数、 输出层节点数及传输函数、 训练方法、 训练参数设置等多个方面。
1、 网络层数
BP网络能够包含一或者多个隐含层, 不过对于大部分应用场所, 一个隐含层就能够满足需要, 但假如样本较多, 能够增加隐含层数来减小网络规模。
2、 输入层节点数
输入层节点取决于输入向量维数, 应从实际数据中抽象出模型, 形成输入和输出空间。则该试验中输入向量为13*178维。
3、 隐含层节点数
这里对于网络影响最大, 较多隐含层节点数会带来愈加好效果, 不过会影响训练时间。不过现在仍然没有很好公式来确定合理神经元节点个数, 这也是BP神经网络一个瓶颈问题, 现在也只是给出一个估量值。为了训练效果愈加好, 该试验中选择隐含层为10。
2021年BP神经网络实验报告要交
2021年BP神经网络实验报告要交
4 / 14
2021年BP神经网络实验报告要交
4、 输出层神经元个数
该数值是由实际问题抽象出模型决定, 比如最终结果是N种类别, 则输出能够采取N个神经元, 比如该试验中, 最终结果是3类, 那我们就用100、 010、 001来表示某样本输入哪个类别。
5、 传输函数
通常隐含层使用sigmoid函数, 而输出层使用线性函数
四、 BP神经网络训练策略及结果
本文借助于MATLAB神经网络工具箱来实现多层前馈BP网络（Multi-layer feed-forward backpropagation network）颜色空间转换, 免去了很多编写计算机程序烦恼。神经网络实际输出值与输入值以及各权值和阈值相关, 为了使实际输出值与网络期望输出值相吻合, 可用含有一定数量学习样本样本集和对应期望输出值集合来训练网络。
确定BP网络结构
确定了网络层数、 每层节点数、 传输函数、 初始权系数、 学习算法等也就确定了BP网络。