资源描述：
《bp网络学习算法研究及其图像模式识别应用_戴永伟》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、计算机与现代化2006年第11期JISUANJIYUXIANDAIHUA总第135期文章编号:1006-2475(2006)11-0067-04BP网络学习算法研究及其图像模式识别应用戴永伟,雷志勇(西安工业大学电信学院,陕西西安710032)摘要:BP神经网络的训练性能主要包括收敛速度和收敛精度等方面,该训练性能在很大程度上取决于所选择的网络学习算法。本文针对模式识别应用领域,通过实例,运用Matlab编程对部分较好的网络学习算法的训练性能进行了比较研究,给出了模式识别应用过程中BP网络学习算法的选择依据。在此基础
2、上,运用BP网络编程实现了对常见单位符号图像目标的模式识别,并通过识别算法的实现过程,分析了用BP网络进行图像目标模式识别的具体思路和方法。关键词:BP神经网络;学习算法;训练性能;模式识别;Matlab编程中图分类号:TP183文献标识码:AResearchonBPNetworkLearningAlgorithmandApplicationinPicturePattern-recognitionDAIYong-wei,LEIZhi-yong(ElectronicandInformationInstitute,Ind
3、ustryUniversityofXi'an,Xi'an710032,China)Abstract:TrainingperformanceofBPneuralnetworkincludesconvergenceprecisionandconvergencerateanddependsonthelearningalgorithmchosentoagreatextent.Aimingatpattern-recognitionapplication,withMatlabprogrammingtool,thispaperst
4、udiesthetrainingperformanceofsomelearningalgorithmsthroughcomparisonandoffersthechoicebasisoflearningalgorithmsinpattern-recognitionfield.Onthisbasis,thispaperoffersakindofprogrammingrealizationofusingBPnetworktorecognizethepictureobjectsofcommonunitsymbols.Fur
5、ther,throughtherealizationcourseoftherecognitionalgorithm,thispaperanalysestheconcretethinkingandmethodofusingBPnetworkinpattern-recognitionapplicationofpictureobjects.Keywords:BPneuralnetwork;learningalgorithm;trainingperformance;pattern-recognition;Matlabprog
6、ramming0引言BP神经网络是由众多的神经元经可调的连接权值连接而成,其结构简单,可操作性强,能模拟任意的非线性输入输出关系,广泛应用于函数逼近、模式识别、分类、数据压缩等领域。模式识别是指在面对某一事物时将其正确地归入某一类别。模式识别系统一般都由设计和实现两个过程组成。设计是指用一定量的样本进行分类器的设计,实现是指用所设计的分类器对待识别的样本进行分类决策。这两个过程分别对应于神经网络的训练和识别应用。在具体的模式识别应用训练过程中,BP网络的学习收敛速度及收敛精度跟所选择的学习算法密切相关。1BP神经网
7、络算法原理1.1BP网络结构及运算机制图1三层BP神经网络BP网络由输入层i、隐含层j、输出层k及各层之间的节点连接权所组成,其拓扑结构如图1所示。网收稿日期:2006-07-17作者简介:戴永伟(1981-),男,山东济宁人,西安工业大学电信学院硕士研究生,研究方向:图像处理,模式识别。68计算机与现代化2006年第11期络的学习过程由信息正向传播和误差反向传播构成:(1)正向传播过程:输入信息从输入层经隐含层逐层处理,传向输出层。若输出层的实际输出与期望的输出不符,则转入误差的反向传播。①输入层:输入值一般为样本
8、各分量输入值,输出值一般等于输入值。②隐含层:对于节点j,其输入值netj为其前一层各节点输出值Oj的加权和;netj=∑wijOi(1)i输出值为:Oj=fs(netj)(2)式中fs(＊)称为激励函数或作用函数,一般采用sigmoid函数。隐含层可为一层或多层。③输出层:输出层的输入netk和输出Ok与隐含层类似。(2)反向传播过程:运用链
