基于神经网络的新的参数选择方法

《基于神经网络的新的参数选择方法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、关于神经网络的一个新的参数选择方法【摘要】经过深入的研究神经网络的参数选择方法，现提出一个新的关于神经网络的参数选择方法，并应用于冷轧带钢表面缺陷在线检测系统中。这个方法充分发挥了小样本集的优点，小样本集是用每一个可能的参数组合来训练和检测神经网络,通过不同参数组合的识别比例柱状图得到一组神经网络的参数，这样得到的参数被视为优选参数。实验表明通过新参数选择方法选择参数的神经网络在冷轧带钢表面缺陷检测系统中可以达到在所有的参数为随机选取时最好的识别效果。【1.Introduction】神经网络参数的选择对于研

2、究人员来说始终是一个严肃的问题，因为对于神经网络，没有选择优选参数的固定标准，但与此同时，参数选择的精确与否对于神经网络的精确度有很大的影响。在使用神经网络的时候，很多专家通过经验或者是在某个参数集合中选择一组较好的参数为其神经网的参数。如果完全根据经验来选择参数，那么问题独有的特性就无法涵盖在其中，如果这个独有性很突出，那么神经网络的理论结果和实际结果就会有很大的偏差。如果通过一组一组实验某些预定参数比较其结果来选择参数，其过程是非常繁杂冗长的，基本是不可能的。与此同时，训练一个神经网络通常是非常复杂的，

3、手工的去遍历每一种可能的参数组合将要耗费大量的时间，效率的低下使这种方法几乎不可能实现。在表面检测领域，对于不同的对象有不同的自动检测系统。冷轧带钢表面缺陷在线检测系统是结合图像处理过程、模式识别、自动控制的实时检测系统，它可以在恶劣的环境下对冷轧带钢进行全天的持续实时检测。识别冷轧带钢的表面缺陷是这个系统的主要和重要的部分，这个识别技术在一些程度上影响这个系统的性能。系统是否可以识别出其检测到的缺陷类型与其智能型和实用性直接相关。【2.Parameterselectionmethord】新的参数选择方法是

4、基于小样本用以解决寻找内部参数来描述实际问题，所以参数可以与要解决的问题相匹配，也可以避免盲目的寻找可能的神经网络参数。图1展示了基于小样本新的参数选择方法的流程图：图1算法的流程图【2.1Extractionofsmall-samples】为了使参数反应实际问题的本质，要从全部样本中提取出一定比例的样本来构成一个新的样本集，称作小样本，我们把提取的比例记作η。我们假定最开始的样本集是P0。P0={X1,X2,……,Xn}原始样本集中的每个元素的数量分别表示为P01，P02，……，P0n同时，我们将新的样本

5、集记作PSPS={X1’,X2’,……,Xn’}这个样本的大小为N，提取规则如下定义：按照比例从样例库中提取不同种类的样本，将每类不同的样本个数定义为Pis，Pis可以用如下的等式来描述：因此，新的小样本的PS的提取建立规则可以表现出原样本P0的相同特征，也就是说，新提取出来的小样本在一定程度上可以代表原来的样本，神经网络的小样本参数可以映射出整个参数集下神经网络的情况。通过这种方法选择的样本被称为比例样本。在实际应用中，我们提取一组训练小样本集PS1和一系列测试样本PS2【2.2Parametersegm

6、entationanduniformencoding】当应用到实际项目当中时，首先必须要知道神经网络的全部参数，而且要从全部参数中选择与问题本质有关的参数。现在假设被选中的参数个数为p，并且所有这些参数之间相互独立且与样本无关，也就是说，选择的样本参数变量可以反映实际问题的本质特征。经过参数的优选之后，就要将全部参数根据一定范围的经验值和理论值进行分割。假定这p个参数被分别分为C1，C2，……，Cp，（将这些参数分别分为这么多个段）这些参数采用不重复规则组合在一起，假设有M种组合，M可以用下面的等式来表示：

7、接下来要做什么？我们将为每一种组合编号，将其标记为：1,2，……，M。在这个阶段我们将分为两个主要步骤：首先，从前往后确定每个参数的位置和顺序，图2展示的一组参数内部确切的顺序：P1P2……PM图2确定参数顺序的参数组其次，为每一种可能的组合编上统一的序列号，当为第一个参数编好号以后，后面的将遍历所有可能的值，编号将逐步加一，知道M种可能都编上号，那么编码结束。【2.3Automatictrainingcircularlyandplottingpolylinefigure】在给所有参数编码过之后，我们将开发

8、一个自动的程序，每一组参数将被当做神经网络的参数分别进行训练和测试。这个过程可以分为如下的步骤：1、选取一组明确的参数作为神经网络的参数；2、用训练小样本PS1来训练神经网络；3、当训练结束时，保存训练过的神经网络，以备测试；4、再用测试小样本集PS2来测试神经网络；5、对各个样本的识别率进行统计；6、重复步骤1到5，直到所有的M组数据都被遍历过一次；7、在坐标系上根据这M组参数的神经网络得到的M个识别率的值，绘