基于人工神经网络理论的系统安全评价

《基于人工神经网络理论的系统安全评价》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、维普资讯http://www.cqvip.com器≤第。期柑戆盖G。·27·扩0监测与评价《eo日．。日日．。日5基于人工神经网络理论的系统安全评价王三明蒋军成姜慧(南京化工大学安全工程研究所210009)摘要阐述了^工神经网络基本原理，研究分析了BP神经网络模型的缺陷并提出了优化肇略．在此基础上，将神经网络理论应用于系统安全评价之中，提出了基于此理论的系统安全评价模型、实现方法和优点{评价实例证明了此方法的可行性。关键词神经网络网络优化安全评价Safetyassemmentofsystembasedo

2、nartificalneuralnetworkWang~nnungmangJunehengJiangHui(SafetyEngineeringInstituteofNanfingUmversityofChenu'calTechnology210009)AbstractInthearticlethetheoi：yofANNhasbeenintroduced．AtthesalnetimeSOi'l~limitationsofBPneuralnetworkhavebeenamly'zedandoptimize

3、dmethodshbeensupposed．BasedOBthat．BPneuralnet—workisimpliedinthesafetyasaessrt~ntofthesystem．Safetyassessn~ntmodelanditsmeritsbasedOnBPneuralr~etworkhavebeenputforward．assesssaentexampleprovesthatthewayisworkableandght．Keywordsneuralnetworknetworkoptimiz

4、ationsafety~ses=nent人工神经网络模拟人的大脑活动，具有极强的象处理、语音识别、智能控制、虚拟现实、优化计算、非线形逼近、大规模并行处理、tl训练学习、tl组织人工智能等领域。和容错能力等优点，将神经网络理论应用于系统安按照网络的拓扑结构和运行方式，神经网络模全评价之中，能克服传统安全评价方法的一些缺陷，型分为前馈多层式网络模型、反馈递归式网络模型、能快速、准确地得到安全评价结果。这将为企业安全随机型网络模型等。目前在模式识别中应用较多的生产管理与控制提供快捷和科学的决策信息，从而模型

5、是前馈多层式网络中的BP反向传播模型，其及时预测、控制事故，减少事故损失。模型结构如图1。1神经网络理论及其典型网络模型人工神经网络是由大量简单的基本元件——神经元相互联结，模拟人的大脑神经处理信息的方式，进行信息并行处理和非线形转换的复杂网络系统。人工神经网络处理信息是通过信息样本对神经网络的训练，使其具有人的大脑的记忆、辨识能力，完成各种信息处理功能。人工神经网络具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能图1典型BP网络结构模型力，避免了复杂数学推导，在样本缺损和参数漂移的1．1B

6、P神经网络基本原理情况下，仍能保证稳定韵输出。人工神经网络这种模BP网络模型处理信息的基本原理是：输入查号拟人脑智力的特性，受到学术界的高度重视和广泛咒通过中问节点(隐层点)作用于输出节点，经过非研究，已经成功地应用于众多领域，如模式识别、图线形变换，产生输出信号，网络训练的每个样本*国家自然科学基盘赍助(29936110)。维普资讯http://www.cqvip.com·28·包括输入向量X和期望输出量t，网络输出值y与园子，来减少迭代次数和加快收敛速度。期望输出值t之问的偏差，通过调整输入节点与隐

7、=+4X(E(n)一(n一1))／B(n)(6)层节点的联接强度取值和隐层节点与输出节点式中a——调整步长，0～1之问取值。之间的联接强度7以及闽值，使误差沿梯度方向下1．3．2隐层节点效的优化降，经过反复学习训练，确定与最小误差相对应的网隐节点数的多少对网络性能的影响较大，当隐络参数(权值和阚值)，训练即告停止。此时经过训练节点数太多时，会导致网络学习时间过长，甚至不能的神经网络即能对类似样本的输入信息，自行处理收敛；而当隐节点数过小时，网络的容错能力差。利输出误差最小的经过菲线形转换的信息。用逐步回

8、归分析法D]并进行参数的显著性检验来动1．2BP神经阿络模型态删除一些线形相关的臆节点。节点删除标准：当由BP神经网络模型包括输入输出模型、作用函数该节点出发指向下一层节点的所有权值和阕值均落模型、误差计算模型和自学习模型。于死区(通常取±0．1、±0．05等区间)之中，则该节I．土1节点输出模型点可删除。最佳隐节点数￡可参考下面的公式计隐节点输出模型；算；0；=，(X置一)(1)L=(柳+)+c(7)输出节点输出模型：式中m——输入节点数