欢迎来到天天文库
浏览记录
ID:51414957
大小:284.43 KB
页数:4页
时间:2020-03-23
《可拓神经网络在水质评价中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第4l卷第15期人民长江Vo1.41.NO.152010年8月YangtzeRiverAug.,2010文章编号:1001—4179(2010)】5—0027—04可拓神经网络在水质评价中的应用闰英战,杨勇,陈爱斌(1.东莞南博职业技术学院计算机系,广东东莞523083;2.中南大学信息学院,湖南长沙410083)摘要:可拓神经网络是可拓学与人工神经网络的有机结合,能够更好地模拟人脑神经系统思维等智能行为。讨论了神经网络物元模型、神经网络的物元可拓性及基本物元变换,并利用可拓学的扩缩变换,通过在输出空间中用一个区域来代替BP神经网络的训练停止区域,极大地提高了神经网络的训练速度
2、。以几个主要指标作为衡量水质优劣的标准并作为神经网络的输入样本,建立可拓神经网络训练水质的模型,并与普通BP神经网络进行训练速度和训练效果比较,实验表明,用可拓神经网络对水质的评价效果更为明显。关键词:可拓神经网络;物元;物元变换;水质评价中图法分类号:X824文献标志码:A物元神经网络的概念首先是在1995年由刘巍提的可拓性和关联函数K()为机器学习的基础,从而出的。随着人们对可拓学的深入研究,将可拓理论能够更好地模拟人脑神经系统的思维和智能,实现功应用到神经网络中,提出了可拓神经网络是以物元R能与特征的互补,具有较强的学习能力和创新特点,并=(Ⅳ,c,)或物元可拓集为基本单
3、位,由大量神经元能在学习过程中不断积累知识,进行自我完善。人相互连接构成的网络,可拓神经网络以物元的可拓性工神经网络的名称为Ⅳ,该人工神经网络的特征及其和关联函数为机器学习的基础,从而能够更好地模拟量值分别为C和v,则称R=(Ⅳ,c,)为人工神经网人脑神经系统思维等智能行为。环境问题是当今世界络物元。根据物元理论中多维物元的定义,人工神经公认的一个热点问题,大量的污水排放,给人们的生存网络物元显然是多维物元。根据人工神经网络的特环境造成了严重的威胁。由于人工神经网络在数学上征,人工神经网络物元可以具体表示为:可被证明其能逼近任何函数,还可以自动地部分转换N。l输入数据,这种强大
4、的逼近能力,为污水处理领域c2建模模拟提供了一条可行的途径。c31可拓神经网络结构及算法R=c4c5可拓神经网络是将可拓理论应用到神经网络中。c6把物Ⅳ,特征c及Ⅳ关于C的量值构成的有序三元组C一R=(Ⅳ,c,)作为描述物的基本单元,称为一维物元,Ⅳ,c,称为物元R的三要素。式中,c为网络层数;c:为各层神经元个数;c为结构可拓神经网络是可拓学与人工神经网络的有机结类型;c为激活函数;c为学习速率;C为学习规则;c合,可拓神经网络是以物元R=(Ⅳ,c,)或物元可拓为权值的初始值;为c对应的量值。BP神经网络中集合A(R)={(R,l,)IR=(Ⅳ,c,V)∈W,Y=K(R)的神
5、经元,在可拓神经网络中称为物元。=K(V)}为基本单元(神经元),可拓神经网络以物元人工神经网络的物元的可拓性包括发散性、可扩收稿日期:2010—03—28基金项目:中国国家基础研究项目(A1420060159);中南林业科技大学青年基金项目(05005A)作者简介:闫英战,男,讲师,硕士,主要从事计算机网络研究。E—mail:749284297@qq.eom28人民长江2010年性、相关性和蕴涵性。人工神经网络物元的变换可以W=f,J十一Yf,.≤Y。(4),,采用可拓学中的物元变换方法,其基本变换方法主要根据(2)式,公式(4)表示实际输出样本落在图1有置换变换、分解变换、
6、增删变换和扩缩变换等方法。中虚线AC以下,实际输出为理想输出为(Y一图1中大矩形是一个长和宽均为1的正方形,曲L),其中(Y一L)在图1中的几何意义是点的纵坐线与正方形围成的区域为训练停止区域。假设虚标值Y,即此情况下理想输出为Y,也就是靠近该输出线和正方形的交点分别为A,B,其中A在y轴上,而曰点最近的属于教师区域的边界y轴方向上的值。同理,在与轴平行的正方形的一条边上,于是A的坐标为当≤≤1时,,为实际输出,而此时该输出点已(0,Y);B点的坐标(,1),教师区域被定为以I1一落在图1中BC虚线即教师区域以右,理想输出应为教YI和II为长度的矩形区域,如图1所示。文献师区域
7、边界虚线BC的横坐标值也就是,此时=[3]介绍了正方形的教师区域的确定方法,这里进一+。所以:步将教师区域普遍化成矩形区域(包括长方形和正方W=I一~l,≤,≤1(5)形区域)。从(3)~(5)式可以得出属于C类的样本实际的输出点落在不同区域时的误差项,其他类的教师区域的误差也可以类似得出。这样就可以利用可拓学的扩缩变换,将点对点的映射转换成为点对区域的映射。因为可拓神经网络的输出节点可以有多个,实际上前面讨论的教师区域是超方体,因为它们都属于C类,所以实际输出可以用数组(⋯⋯,)表示共有n
此文档下载收益归作者所有