资源描述：
《BP神经网络在点群分类中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、BP神经网络在点群分类中的应用尹洁林,刘全坤(合肥工业大学材料科学与工程学院,安徽合肥230009)摘要:文章在介绍了BP神经网络的基本原理和特点后,将BP神经网络引入到点群分类中来,具体说明它在点群分类中的实现过程,最后通过一个实例验证了BP神经网络用在点群分类中的可行性。关键词:BP神经网络;点群;逆向工程;期望输出值Abstract:Inthepaper,BPneuralnetworkisintroducedtoclassifypointcloudsaf-terexplainingthebasicprincipalandcharacteristicofBPneuralnetwor
2、k.Thenthedetailedoperatingprocessisgiven.AndBPneuralnetworkisprovedtobeafeasi-blemethodusedingroupingpointcloudsbytheresultofagivenexample.Keywords:BPneuralnetwork;pointclouds;reverseengineering;expectedoutputvalue问题,它所具有的模式识别、分类和知识表达0引言能力使它开始广泛地应用于国民生产各领域随着测量仪器的不断改进以及工业产品中。下面,就BP神经网络在点群数据分类中越来越
3、强调美观、效率和个性化设计,逆向工的应用简单作一介绍。程以其先进的技术、快捷的方式和美观的造1BP神经网络与点群分类型而广泛应用于众多领域,反求技术正越来越被人们看好。逆向工程中最基本最关键的1.1BP神经网络的概述几何建模过程是研究的重点。这个过程分为BP(BackPropagation)神经网络是用[1]数据获取和CAD模型建立两个阶段。就数BP算法训练的一种多层前馈型非线型映射据获取这个阶段而言,当测量设备获得点群网。网络中的各神经元接受前一级的输入,并后,首先面临的就是点数据的处理。面对数以输出到下一级,在网络中没有反馈。BP神经万计的散乱点,我们要做的工作包括点数据网络通常可
4、以分为不同的层。由于输入层和的坐标定位、杂点的删除、数据的噪声滤除、输出层的结点可与外界相连,直接接受环境排序、平滑化及筛减、利用特征搜寻功能找出的影响,所以称之为可见层,而其它中间层称[2]曲面的趋势或特征、点群数据的分割等。点为隐层。BP网络通常有一个或多个隐层,数据处理中的点群数据分割可将复杂的数据RobertHechtNielson证明了对于闭区间处理问题简化,有利于提高曲面拟合的精度,内的任一个连续函数都可以用一个隐层的因此研究工作具有重要的意义。点群数据分BP网络来逼近,因而具有一个隐层的三层割的实质是根据点的局部几何特征的相似性BP网可以完成任意的n维到m维的映射,[3]
5、对点进行分类。本文所讨论的正是点群数这给了我们一个基本的设计BP网络的原据的分类问题。神经网络是目前研究的热门则。BP网络的神经元作用函数一般采用sig-收稿日期:20031130作者简介:尹洁林(1979),女,安徽阜阳人,硕士生,研究方向:逆向工程。刘全坤,教授,研究方向:模具CAD、CAM。《电脑与信息技术》2004年第2期·5·-xmoid压缩函数y=1/(1+e)。在算法方面,(1)对于所要解决的问题,不需预先编制BP神经网络采用的是反向传播学习算法计算程序来计算,只需给它若干训练实例就(BP算法),该方法方便、直观且训练有效。可以通过自学习完成;1.2BP算法的基本原理(2
6、)具有很强的容错性。当系统接受了不网络的学习就是利用样本资料并根据一完整信息时仍能给出正确的解答;定的目标函数来优化网络的参数(权值和阈(3)具有较强的分类、模式识别和知识表值)的过程。目前,网络学习的算法较多,其中达能力,善于联想、类比和推理。BP算法是目前应用最广泛且较成功的一种上述这些特点使BP神经网络能够用在算法。下面给出了该算法原理示意图(图1)。上述点群的分类方面。试想,提取点群中有限输入信号x,通过中间结点(隐层点)作用于的点数据,根据模型的特征将这些点数据分输出结点,经过神经元作用函数,产生输出信类后,将它们作为训练样本和对应的输出期号y,网络训练的每个样本包括输入向量
7、X望值输入到BP算法程序中,在一定的误差和期望输出量d,网络输出值y与期望输出范围内,经过有限次的学习次数,得到需要的值d之间的偏差,通过调整输入节点与隐层网络参数,然后用这些网络参数来验证点群节点的权重Whi和隐层节点与输出节点的权中的其它点各属于哪一类。重ij以及阈值,使误差沿梯度方向下降。经1.4BP神经网络在点群分类中的具体实现过反复学习训练,确定与最小误差相对应的过程网络参数(权值和阈值),训练即告停止。此时点群分类使用的是三层BP
