基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字式渦流傳感器特性曲線擬合的實(shí)現(xiàn)
加入技術(shù)交流群
3．3 訓(xùn)練函數(shù)的選擇
考慮到LM(Levenberg Marquardt)算法是一種利用標(biāo)準(zhǔn)的數(shù)值優(yōu)化技術(shù)的快速算法，該方法是一種將最陡下降法和牛頓法相結(jié)合的算法，可以克服神經(jīng)網(wǎng)絡(luò)收斂速度慢、易陷入局部極小值的缺點(diǎn)，并且在網(wǎng)絡(luò)參數(shù)相對(duì)較少的情況下具有收斂速度極快、穩(wěn)定性能強(qiáng)等優(yōu)點(diǎn)，因此本文采用trainlm(LM)算法函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，大大減少了網(wǎng)絡(luò)訓(xùn)練的迭代次數(shù)。
3．4 傳輸函數(shù)
BP網(wǎng)絡(luò)傳遞函數(shù)，又稱為激活函數(shù)必須是連續(xù)可微的，通常采用S型的對(duì)數(shù)函數(shù)logsig、雙曲正切函數(shù)tansig或線性函數(shù)purelin。前兩種為非線性函數(shù)，分別將X∈(-∞，+∞)的輸入壓縮為Y∈[-1，1]和Y∈[0，1]的輸出，因此，對(duì)本文的非線性擬合問題，輸入層和隱層采用非線性傳遞函數(shù)tansig，輸出層采用線性函數(shù)purelin，以保持輸出的范圍。
3．5 隱層的節(jié)點(diǎn)數(shù)
隱含層神經(jīng)元數(shù)目是根據(jù)網(wǎng)絡(luò)收斂性能好壞來確定的。
目前對(duì)于隱含層數(shù)目的確定沒有嚴(yán)格的規(guī)定。一個(gè)公認(rèn)的指導(dǎo)原則是樣本點(diǎn)的偏差在允許范圍條件下用最平滑的函數(shù)去逼近未知的非線性映射。隱含層神經(jīng)元個(gè)數(shù)過少可能訓(xùn)練不出網(wǎng)絡(luò)，即網(wǎng)絡(luò)的魯棒性差，抗噪聲能力不強(qiáng)，不能辨識(shí)以前沒有遇到的模式；但是隱含層神經(jīng)元個(gè)數(shù)過多，又會(huì)使學(xué)習(xí)時(shí)間過長，誤差不一定最小，出現(xiàn)過度吻合問題。因此通常采用“試湊法”，通過比較網(wǎng)絡(luò)輸出誤差與期望誤差之間的擬合程度，選擇仿真效果最好時(shí)所選擇的隱含層節(jié)點(diǎn)數(shù)。一般對(duì)于三層網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)可以根據(jù)(7)式所示的經(jīng)驗(yàn)公式大致確定最佳隱含層單元的數(shù)目。
式中M為輸入層節(jié)點(diǎn)個(gè)數(shù)，N為輸出層節(jié)點(diǎn)個(gè)數(shù)，H為隱含層輸入個(gè)數(shù)。由此隱含層節(jié)點(diǎn)數(shù)應(yīng)該在3～12這個(gè)范圍之內(nèi)，訓(xùn)練次數(shù)為2 000，訓(xùn)練誤差為0．000 1。在學(xué)習(xí)率初定為0．1且不變的情況下對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。經(jīng)過試驗(yàn)，不同隱含層節(jié)點(diǎn)數(shù)的訓(xùn)練情況如表1所示，得到最好的隱含層節(jié)點(diǎn)個(gè)數(shù)為11。本文引用地址：http://www.ex-cimer.com/article/159754.htm
如圖5所示，隱層節(jié)點(diǎn)數(shù)為11時(shí)的網(wǎng)絡(luò)訓(xùn)練過程誤差變化情況，可以看出，網(wǎng)絡(luò)經(jīng)初始化，利用函數(shù)trainlm對(duì)網(wǎng)絡(luò)進(jìn)行23次訓(xùn)練后，網(wǎng)絡(luò)就達(dá)到了目標(biāo)誤差的要求。訓(xùn)練過程中，目標(biāo)誤差隨著訓(xùn)練次數(shù)增大逐漸減小，直至達(dá)到所規(guī)定的期望誤差0．000 1停止訓(xùn)練。
pid控制相關(guān)文章:pid控制原理
電流變送器相關(guān)文章:電流變送器原理
評(píng)論