bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制算法研究及其應(yīng)用

《bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制算法研究及其應(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(kù)。

1、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制算法研究及其應(yīng)用　　【摘要】神經(jīng)網(wǎng)絡(luò)控制算法是近年來(lái)的研究熱點(diǎn)，其中的BP神經(jīng)網(wǎng)絡(luò)控制算法是最常用的控制算法，它是前饋網(wǎng)絡(luò)中的核心部分，可以無(wú)限逼近任意非線性，實(shí)現(xiàn)數(shù)據(jù)壓縮。本文運(yùn)用BP神經(jīng)網(wǎng)絡(luò)控制算法，借助Matlab神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)，編寫(xiě)程序，首先做了一個(gè)非線性函數(shù)的逼近，其次重點(diǎn)運(yùn)用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像壓縮，通過(guò)試驗(yàn)比較，選擇合適的訓(xùn)練函數(shù)，設(shè)定最小誤差和最大訓(xùn)練步數(shù)，實(shí)現(xiàn)圖像壓縮，并計(jì)算了圖像的信噪比及峰值信噪比，比較了不同壓縮比下圖像質(zhì)量，最后分析了BP神經(jīng)網(wǎng)絡(luò)的局限性。　　【關(guān)鍵詞】神經(jīng)網(wǎng)絡(luò)；Matlab；圖像壓縮　　1

2、引言　　BP神經(jīng)網(wǎng)絡(luò)歸類于前饋型神經(jīng)網(wǎng)絡(luò)，原始信息由輸入單元輸入，經(jīng)輸入單元分配到隱含層的各神經(jīng)元，除輸入層以外，每個(gè)神經(jīng)元的信息是由上一層神經(jīng)元狀態(tài)與相對(duì)應(yīng)的連接權(quán)值決定的，輸出層可以認(rèn)為是最后一層隱含層。除輸出層外，每一個(gè)神經(jīng)元都與下一層的各神經(jīng)元相連，而同一層的神經(jīng)元之間沒(méi)有連接?！　P神經(jīng)網(wǎng)絡(luò)主要應(yīng)用于非線性函數(shù)的逼近、數(shù)據(jù)壓縮、模式識(shí)別、分類等領(lǐng)域。8　　在BP神經(jīng)網(wǎng)絡(luò)中選擇合適的網(wǎng)絡(luò)層數(shù)、各層神經(jīng)元個(gè)數(shù)及訓(xùn)練函數(shù)就可以實(shí)現(xiàn)從輸入到輸出的非線性映射。其學(xué)習(xí)過(guò)程可分為工作信號(hào)的正向傳播和誤差的反向傳播兩個(gè)過(guò)程，傳播過(guò)程如圖1所示?！　。?）工作

3、信號(hào)的正向傳播　　信號(hào)由輸入經(jīng)過(guò)隱含層到輸出層，在信號(hào)向前傳播的過(guò)程中，網(wǎng)絡(luò)的各層權(quán)值是固定不變的，每一層神經(jīng)元的信息只影響下一層的神經(jīng)元而不會(huì)影響同層或者上一層神經(jīng)元。如果輸出層的輸出結(jié)果與期望值不同就轉(zhuǎn)入誤差的反向傳播?！　。?）誤差的反向傳播　　網(wǎng)絡(luò)的輸出與期望值之間的差值就是誤差信號(hào)。誤差信號(hào)由輸出層開(kāi)始逐層向前傳播，并且將誤差分?jǐn)偨o各層的所有神經(jīng)元，再由此獲得各個(gè)層的誤差信號(hào)，通過(guò)修正各神經(jīng)元之間的連接權(quán)值，使誤差減小。這個(gè)通過(guò)信號(hào)的正向傳播和誤差的反向傳播來(lái)不斷修正各神經(jīng)元之間的連接權(quán)值的過(guò)程是不斷進(jìn)行的，一直運(yùn)行到預(yù)先設(shè)定的訓(xùn)練步數(shù)或者達(dá)到

4、設(shè)定的誤差就停止?！　?BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用　　2.1基于BP神經(jīng)網(wǎng)絡(luò)函數(shù)逼近的實(shí)現(xiàn)　　2.1.1BP神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近能力　　BP神經(jīng)網(wǎng)絡(luò)是一個(gè)輸入到輸出的高度非線性映射，即F：Rn→Rm，f（x）=Y。對(duì)于樣本集合：輸入xi和yi輸出都可認(rèn)為存在某一映射g使得g（xi）=yi（i=1，2，3...）成立。求出一個(gè)映射f，使得在某種意義下，f是g的最佳逼近?！　?.1.2基于BP神經(jīng)網(wǎng)絡(luò)函數(shù)逼近的Matlab實(shí)現(xiàn)　　設(shè)要逼近的非線性函數(shù)是：y=5+2e（1-x）cos（2π8x），-0.4?x?3.6。建立一個(gè)三層網(wǎng)絡(luò)，設(shè)置隱含層神經(jīng)元個(gè)數(shù)為20，最小誤

5、差為0.01最大訓(xùn)練步數(shù)為50。編寫(xiě)Matlab程序，得到誤差曲線如圖2所示?！　∮煞抡娼Y(jié)果圖可以得出，經(jīng)過(guò)訓(xùn)練后的曲線和原函數(shù)曲線非常接近，由此說(shuō)明，訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)函數(shù)逼近效果很好。　　2.2BP神經(jīng)網(wǎng)絡(luò)在圖像壓縮中的應(yīng)用　　圖像是最重要的一種信息傳遞方式，然而，圖像數(shù)據(jù)量大給信息傳遞帶來(lái)了困難，當(dāng)前的硬件技術(shù)所能提供的存儲(chǔ)資源和網(wǎng)絡(luò)寬帶遠(yuǎn)不能滿足日益增長(zhǎng)的圖像傳遞要求。圖像作為一種重要的資源，對(duì)它進(jìn)行壓縮處理在一定程度上能夠減緩它對(duì)硬件的要求?！　?.2.1圖像冗余　　圖像數(shù)據(jù)壓縮的根本方法是減小圖像冗余，數(shù)據(jù)圖像的冗余主要表現(xiàn)在以下幾種形式：空間

6、冗余、時(shí)間冗余、結(jié)構(gòu)冗余、視覺(jué)冗余、知識(shí)冗余等，有了圖像的這些冗余信息，就找到了圖像壓縮的根據(jù)。此外，根據(jù)大面積著色原理，圖像必須在一定面積內(nèi)存在相同或相近的顏色，圖像中相鄰像素間存在的相似性產(chǎn)生了圖像預(yù)測(cè)編碼?！　?.2.2圖像壓縮的分類及圖像性能指標(biāo)　　圖像壓縮的實(shí)質(zhì)就是去除多余數(shù)據(jù)，依據(jù)在壓縮過(guò)程中是否有信息損失，可以將圖像壓縮分為兩種，有損壓縮和無(wú)損壓縮。無(wú)損壓縮沒(méi)有信息的損失，解壓后可以完全恢復(fù)，例如一些文件的壓縮都可以完全恢復(fù)。有損壓縮則不能完全恢復(fù)，有一定的信息損失，但不會(huì)影響對(duì)信息的理解。8　　目前比較流行的壓縮方式有JPEG壓縮，基于小

7、波變換的圖像壓縮算法，分型壓縮，矢量量化壓縮。依據(jù)BP神經(jīng)網(wǎng)絡(luò)對(duì)非線性能夠無(wú)限逼近的能力，可以保證在比較高的圖像質(zhì)量下盡可能實(shí)現(xiàn)較高的壓縮比?！　D像性能指標(biāo)有圖像的信噪比及峰值信噪比。　?。?）圖像的信噪比（SNR）是衡量圖像質(zhì)量高低的重要指標(biāo)，見(jiàn)公式（5），其中M和N是圖像長(zhǎng)和寬上的像素點(diǎn)數(shù)，f（i，j）和g（i，j）分別是原始圖像和重構(gòu)圖像在點(diǎn)（i，j）處的灰度值，信噪比越高說(shuō)明圖像質(zhì)量越高。　　SNR=10log　?。?）　　（2）峰值信噪比經(jīng)常用作圖像壓縮等領(lǐng)域中信號(hào)重建質(zhì)量的測(cè)量方法，見(jiàn)公式（6），其中M和N是圖像長(zhǎng)和寬上的像素點(diǎn)數(shù)，f（i，

8、j）和g（i，j）分別是原始圖像和重構(gòu)圖像在點(diǎn)（i，j）處的灰度值，其值越大，表