BP神經(jīng)網(wǎng)絡(luò)在點(diǎn)群分類中的應(yīng)用

《BP神經(jīng)網(wǎng)絡(luò)在點(diǎn)群分類中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、BP神經(jīng)網(wǎng)絡(luò)在點(diǎn)群分類中的應(yīng)用尹潔林,劉全坤(合肥工業(yè)大學(xué)材料科學(xué)與工程學(xué)院,安徽合肥230009)摘要:文章在介紹了BP神經(jīng)網(wǎng)絡(luò)的基本原理和特點(diǎn)后,將BP神經(jīng)網(wǎng)絡(luò)引入到點(diǎn)群分類中來,具體說明它在點(diǎn)群分類中的實(shí)現(xiàn)過程,最后通過一個(gè)實(shí)例驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)用在點(diǎn)群分類中的可行性。關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò);點(diǎn)群;逆向工程;期望輸出值A(chǔ)bstract:Inthepaper,BPneuralnetworkisintroducedtoclassifypointcloudsaf-terexplainingthebasicprincipalandcharacteristicofBPneuralnetwor

2、k.Thenthedetailedoperatingprocessisgiven.AndBPneuralnetworkisprovedtobeafeasi-blemethodusedingroupingpointcloudsbytheresultofagivenexample.Keywords:BPneuralnetwork;pointclouds;reverseengineering;expectedoutputvalue問題,它所具有的模式識(shí)別、分類和知識(shí)表達(dá)0引言能力使它開始廣泛地應(yīng)用于國民生產(chǎn)各領(lǐng)域隨著測量儀器的不斷改進(jìn)以及工業(yè)產(chǎn)品中。下面,就BP神經(jīng)網(wǎng)絡(luò)在點(diǎn)群數(shù)據(jù)分類中越來越

3、強(qiáng)調(diào)美觀、效率和個(gè)性化設(shè)計(jì),逆向工的應(yīng)用簡單作一介紹。程以其先進(jìn)的技術(shù)、快捷的方式和美觀的造1BP神經(jīng)網(wǎng)絡(luò)與點(diǎn)群分類型而廣泛應(yīng)用于眾多領(lǐng)域,反求技術(shù)正越來越被人們看好。逆向工程中最基本最關(guān)鍵的1.1BP神經(jīng)網(wǎng)絡(luò)的概述幾何建模過程是研究的重點(diǎn)。這個(gè)過程分為BP(BackPropagation)神經(jīng)網(wǎng)絡(luò)是用[1]數(shù)據(jù)獲取和CAD模型建立兩個(gè)階段。就數(shù)BP算法訓(xùn)練的一種多層前饋型非線型映射據(jù)獲取這個(gè)階段而言,當(dāng)測量設(shè)備獲得點(diǎn)群網(wǎng)。網(wǎng)絡(luò)中的各神經(jīng)元接受前一級的輸入,并后,首先面臨的就是點(diǎn)數(shù)據(jù)的處理。面對數(shù)以輸出到下一級,在網(wǎng)絡(luò)中沒有反饋。BP神經(jīng)萬計(jì)的散亂點(diǎn),我們要做的工作包括點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)通?？?/p>

4、以分為不同的層。由于輸入層和的坐標(biāo)定位、雜點(diǎn)的刪除、數(shù)據(jù)的噪聲濾除、輸出層的結(jié)點(diǎn)可與外界相連,直接接受環(huán)境排序、平滑化及篩減、利用特征搜尋功能找出的影響,所以稱之為可見層,而其它中間層稱[2]曲面的趨勢或特征、點(diǎn)群數(shù)據(jù)的分割等。點(diǎn)為隱層。BP網(wǎng)絡(luò)通常有一個(gè)或多個(gè)隱層,數(shù)據(jù)處理中的點(diǎn)群數(shù)據(jù)分割可將復(fù)雜的數(shù)據(jù)RobertHechtNielson證明了對于閉區(qū)間處理問題簡化,有利于提高曲面擬合的精度,內(nèi)的任一個(gè)連續(xù)函數(shù)都可以用一個(gè)隱層的因此研究工作具有重要的意義。點(diǎn)群數(shù)據(jù)分BP網(wǎng)絡(luò)來逼近,因而具有一個(gè)隱層的三層割的實(shí)質(zhì)是根據(jù)點(diǎn)的局部幾何特征的相似性BP網(wǎng)可以完成任意的n維到m維的映射,[3]

5、對點(diǎn)進(jìn)行分類。本文所討論的正是點(diǎn)群數(shù)這給了我們一個(gè)基本的設(shè)計(jì)BP網(wǎng)絡(luò)的原據(jù)的分類問題。神經(jīng)網(wǎng)絡(luò)是目前研究的熱門則。BP網(wǎng)絡(luò)的神經(jīng)元作用函數(shù)一般采用sig-收稿日期:20031130作者簡介:尹潔林(1979),女,安徽阜陽人,碩士生,研究方向:逆向工程。劉全坤,教授,研究方向:模具CAD、CAM?！峨娔X與信息技術(shù)》2004年第2期·5·-xmoid壓縮函數(shù)y=1/(1+e)。在算法方面,(1)對于所要解決的問題,不需預(yù)先編制BP神經(jīng)網(wǎng)絡(luò)采用的是反向傳播學(xué)習(xí)算法計(jì)算程序來計(jì)算,只需給它若干訓(xùn)練實(shí)例就(BP算法),該方法方便、直觀且訓(xùn)練有效?？梢酝ㄟ^自學(xué)習(xí)完成;1.2BP算法的基本原理(2

6、)具有很強(qiáng)的容錯(cuò)性。當(dāng)系統(tǒng)接受了不網(wǎng)絡(luò)的學(xué)習(xí)就是利用樣本資料并根據(jù)一完整信息時(shí)仍能給出正確的解答;定的目標(biāo)函數(shù)來優(yōu)化網(wǎng)絡(luò)的參數(shù)(權(quán)值和閾(3)具有較強(qiáng)的分類、模式識(shí)別和知識(shí)表值)的過程。目前,網(wǎng)絡(luò)學(xué)習(xí)的算法較多,其中達(dá)能力,善于聯(lián)想、類比和推理。BP算法是目前應(yīng)用最廣泛且較成功的一種上述這些特點(diǎn)使BP神經(jīng)網(wǎng)絡(luò)能夠用在算法。下面給出了該算法原理示意圖(圖1)。上述點(diǎn)群的分類方面。試想,提取點(diǎn)群中有限輸入信號(hào)x,通過中間結(jié)點(diǎn)(隱層點(diǎn))作用于的點(diǎn)數(shù)據(jù),根據(jù)模型的特征將這些點(diǎn)數(shù)據(jù)分輸出結(jié)點(diǎn),經(jīng)過神經(jīng)元作用函數(shù),產(chǎn)生輸出信類后,將它們作為訓(xùn)練樣本和對應(yīng)的輸出期號(hào)y,網(wǎng)絡(luò)訓(xùn)練的每個(gè)樣本包括輸入向量

7、X望值輸入到BP算法程序中,在一定的誤差和期望輸出量d,網(wǎng)絡(luò)輸出值y與期望輸出范圍內(nèi),經(jīng)過有限次的學(xué)習(xí)次數(shù),得到需要的值d之間的偏差,通過調(diào)整輸入節(jié)點(diǎn)與隱層網(wǎng)絡(luò)參數(shù),然后用這些網(wǎng)絡(luò)參數(shù)來驗(yàn)證點(diǎn)群節(jié)點(diǎn)的權(quán)重Whi和隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)的權(quán)中的其它點(diǎn)各屬于哪一類。重
ij以及閾值,使誤差沿梯度方向下降。經(jīng)1.4BP神經(jīng)網(wǎng)絡(luò)在點(diǎn)群分類中的具體實(shí)現(xiàn)過反復(fù)學(xué)習(xí)訓(xùn)練,確定與最小誤差相對應(yīng)的過程網(wǎng)絡(luò)參數(shù)(權(quán)值和閾值),訓(xùn)練即告停止。此時(shí)點(diǎn)群分類使用的是三層BP