资源描述：
《人工神经网络及其在智能capp系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、人工神经网络及其在智能CAPP系统中的应用Z001年第22卷第2期华北工学院Vo1.22No.22001(总第76期)JOURNALOFNORTHCHINAINSTITUTEOFTECHNOLOGY(SumNo.76)文章编号:10065431(2001)02—0142—05人工神经网络及其在智能CAPP系统中的应用王感苍,张建忠,刘学军(1.华北工学院机械工程系,山西太原030051}2太原市农林办,山西太原0300023.山西省省委办公厅督查处,山西太原030001)摘要:耳的认识和把握人工神经网络在计算机辅助工艺过程设计(CAPP)中的应用及发展前景.方法在论述人工神经网络
2、摸型的特点和性质的基础上,对人工神经网络在智能CAPP系统中的应用原理和方法作了初步的理论分析和研究.结果人工神经网络在CAPP系统具有很大的使用价值和广阔的应用前景.结论这种初步的研究及其以后相关人员的工作,将为CAPP领域应用神经网络技术开辟新的途径,从而在—定程度上解决目前CAPP系统中存在的同题.关键词:CAPP;人工神经网络}模型;规则中圉分类号:TH]04女献标识码A1人工神经网络神经网络是由大量称为神经处理单元的自律要素以及这些自律要素相互作用形成的网络.它以现代神经科学研究成果为基础,模拟了人脑功能的基本特性,是人脑的某种抽象,简化或者模拟.神经网络所描述的知识以
3、神经元之间相互连接方式表示,每个输入对神经元的重要性以加权值存储;信息处理是通过它的动态变化状态对外部输入作出响应;网络的学习和识别取决于各个神经元连接权系的动态演化过程.神经网络是一个超大规模连续时间非线性动力系统,它有网络的全局作用,大规模并行分布处理,联想学习等能力.由此神经网络的基本特性可归纳为:(1)基本处理单元是神经元,整个神经网络是由大量的神经元互相连接而成的;(2)大量的神经元按照不同的方式连接,构成不同类型的神经元网络;(3)各个神经元之间的连接强度是由神经网络内部权值决定的.当一个神经网络的结构确定后,可根据学习规则调整各个神经元之间的连接强度,即权值大小,从
4、而获得有关问题领域的知识;(4)各个神经元的操作可以是同步的,也可以是非同步的,l,2神经网络模型根据人工神经网络对生物神经系统的不同组织层次和抽象层次的模拟,神经网络模型可分为:(1)神经元层次模型.主要研究单个神经元的动态特性和自适应特性,探索神经元对信息有选择的'裙晶羿器器6一),男,硬士生.从事专业,机械制造及其自动化(总第76期)人工神经网络及其在智能CAPP系统中的应用(王感苍等)143响应和某种存储功能的机理,如自适应线性元件;(2)组台式模型.它由数种相互补充,相互协作的神经元组成,用于完成某些特定的任务,如模式识别,机器人控制等;(3)网络层次模型:它是由许多相
5、同神经元相互连接成的网络,从整体上研究网络的集成功能和特性;(4)神经系统层次模型.一般由多个不同性质的神经网络构成,模拟生物神经的复杂程度或更抽象的性质,如自动识别,概念形式或全局稳定控制等;(5)智能型模型.这是最抽象的层次,多以语言形式模拟人脑信息处理的运行,过程,算法和策略.这种模型试图模拟如感知,思维,问题求解等基本过程,而且与AI有关.目前.比较实用的神经网络大约有4O多种,其中具有代表性的有B-P网络,Hopfield和Boltzman机_2等.其中B-P网络,全称是误差反向传播网络(ErrorBackPropagation)[,是一种多层映射网络,层与层之间多采用
6、全互连方式,同层之间不存在相互连接,它采用最小均方差的学习方式,是使用较广泛的网络,可用于语言综合,模式识别,自适应控制等,缺点是仅为有导师训练;Hopfield是由相同元件构成的单层且不带学习功能的自联想网络,可用于作业高度与排序等,缺点是连接权需对称,没有学习功能.1.3神经网络分类根据连接方式的不同,神经网络可分成:(1)前馈式网络.网络中神经元是分层排列的,每个神经元只与前一层的神经元相联,如图1(a)所示.最上一层为输出层,最下一层为输入层,还有中间层(隐层),中间层的层数也可是一层或多层.鬻I
7、xlx
8、xlxlx
9、xlX,(t】(c】图1网络的结构Hg.1Thestr
10、uctureofnetwork(2)输入输出有反馈的前馈网络.如图1(b)所示,在输出层上存在一个反馈回路到输入层,而网络144华北工学院2001年第2期本身还是前馈型的,如神经认识机即属此类.可用来存贮某种模式序列.(3)前馈式内层互联网络.如图1(c)所示,在同一层内存在互相连接,它们可以形成互相制约,而从外部看还是一个前向网络,很多自组织网络,大都存在着内层互联的结构.(4)反馈型全互联网络.如图1(d)所示,是一种单层全互联网络,每个神经元的输出都与其他神经元相联,如Ho
