BP神经网络隐层单元数的确定方法及实例

针对BP神经网络隐层单元数不易确定的问题,提出一种在传统的经验公式基础上快速确定隐层单元数的方法。该方法首先借助经验公式确定隐层单元数的取值范围,然后将其扩大,在这个扩大的范围内寻找最优值。以BP神经网络预测交通流量为例,解释说明了具体的步骤,以及网络模型的隐层结构对模型仿真精度的影响。结果表明,采用该方法可快速决定隐层单元数,在实例中采用16个隐层单元数为最佳。

BP神经网络隐层单元数确定方法

BP神经网络是故障诊断领域运用最为广泛的一种方法。针对BP神经网络隐含层单元数难以确定的问题,对现有以经验公式确定隐层单元数的方法进行对比分析,提出一种在经验公式基础上改进的方法,并通过风力发电机齿轮箱故障诊断实例验证。结果表明,该方法能有效地加快寻找最优隐层单元数的速度。

选择神经网络隐层单元数的另一个指标

透过两次应用准交叉证实法选择作为在线状态估计器的神经网络隐层单元数所得结果不一致的现象，分析了每一选择循环中各次训练结果预测误差平方和的分散情况，发现各次预测误差平方和的样本标准差与交叉证实法中用的选择指标有着类似的随隐层单元数增减而变化的趋势。提出了可用此样本标准差作为选择神经网络隐层单元数的另一个指标，并根据两个指标所得选择结果是否一致判断受随机因素影响的程度，从而提高选择结果的可靠性。

多层前馈神经网络的隐单元与样本记忆的关系

给出了三层前馈神经网络模型中最佳平方逼近输出向量与输出误差的数学表示 ,并讨论了网络实际输出、期望输出和输出误差之间的关系以及隐层单元在这种关系中的作用 。

多层人工神经网络合理结构的确定方法

隐层结构如何选择是多层人工神经网络应用中一个关键问题·基于多层神经网络优化算法原理和非线性方程理论,建立了多层神经网络计算输出和理想输出关系的非线性方程组,分析了权阈变量、标准样本数量和输出层单元数量的内在关系,给出隐层层数和每个隐层单元数量选取应该满足的基本条件·提出多层神经网络合理结构,即隐层层数和每个隐层单元数量选取的一般原则,给出隐层结构定量求解的直接计算方法和间接优化计算方法·对具体算例进行了合理结构分析,通过神经网络优化算法对多种结构组合比较,表明所提出的合理结构分析方法的正确性·这种方法将为多层神经网络在工程应用中如何选取合理结构提供理论依据和选取有效方法·

降低一类神经网络灵敏度的理论和方法研究

基于系统辨识的神经网络灵敏度，提出了降低用于控制系统中神经网络灵敏度的一种方法。从理论上证明了方法的正确性，且以实际的多变量非线性随机动态系统为例验证了该方法的有效性。

BP算法应用中的关键问题

分析了学习方法的选择、隐层数和隐层单元、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等使用BP算法时应考虑的问题,并将BP网络应用于化学反应催化模型。

人工神经网络在Horn’s法LD_(50)试验中的应用

目的 :探索LD50 计算方法新思路。方法 :以 4组动物的死亡数和给药剂量作为输入量 ,用神经网络计算LD50 ,并对神经网络的隐层节点数进行选择 ,以提高计算精度。结果 :对急性毒作用带较宽的化学物质 ,应用人工神经网络方法计算其LD50 ,能客观地反映实际情况 ,且节省人力和动物。结论 :人工神经网络方法计算结果可以对Horn’s法LD50