|
1、人工神经元网络原理 人工神经元网络或简称神经网络，是人们在对人脑思维研究的基础上，用数学方法将其简化、抽象并模拟，能反映人脑基本功能特性的一种并行分布处理连接网络模型。神经元网络处理信息的思想方法同传统的冯·诺曼计算机所用的思维方法是完全不同的。它的存储方式不同。一个信息不是放在一个地方，而是分布在不同的位置。网络的某一地方也不只存储一个信息，它的信息是分布存储的。这种存储方式决定了神经元网络进行信息处理的方法不同于冯·诺曼计算机完全根据逻辑规则运算的处理方法。神经元网络中的每一个神经元都是一个信息处理单元，它可根据接收到的信息独立运算，然后把结果传输出去，这是一个并行处理。神经元作运算的规则通常是根据物理学、神经生物学、心理学的定理或规则。 本文来自www.eadianqi.com 神经元网络的这种信息存储和处理方式还有这样的优点，即网络能通过不完整的或模糊的信息，便能够联想起一个完整、清晰的图像来。这样，即使网络某一部分受到破坏，仍能恢复原来信息。也就是说网络具有联想记忆功能。 自动控制网www.eadianqi.com版权所有 神经元之间的连接强度通常称为权，这种权可以事先定出，也可以不断地改变。它可以为适应周围环境而不断变化，这种过程称为神经元的学习过程。这种学习可以是有教师的学习，也可以是无教师的学习。神经元网络的这种自学习方法与传统的以符号处理为基础的人工智能的、要求人告诉机器每步行动的方法是完全不同的。 自动控制网www.eadianqi.com版权所有
设计一个人工神经元网络，只要给出神经元网络的拓补结构，即神经元之间的连接方式及网络的神经元个数，神经元的权值可以给定或者给出学习规则由神经元网络自己确定，再给出神经元的运算规则。这样便建成一个神经网络，它可以用来进行信息处理。 自动控制网www.eadianqi.com版权所有
用神经元网络建立专家系统，不须要组织大量的产生式规则，机器可以自组织、自学习。这对用传统的方法建立专家系统最感困难的知识获取问题，是一种新的有效解决途径。 本文来自www.eadianqi.com
下面对人工神经元网络的结构及其工作原理作一简单介绍。 自动控制网www.eadianqi.com版权所有
神经元是人工神经元网络的基本处理单元，它一般是一个多输入/单输出非线性器件。其结构模型如图1所示，图中
式中
本文来自www.eadianqi.com
（1） 阈值型。即f为一阶跃函数，如图2(a)所示。其表达式为： 这也是最早提出的二值离散型神经元模型。 自动控制网www.eadianqi.com版权所有
图1 神经元结构模型 本文来自www.eadianqi.com (2) 分段线性型。如图2(b)所示。 自动控制网www.eadianqi.com版权所有
自动控制网www.eadianqi.com版权所有
图2 f(a)的类型 自动控制网www.eadianqi.com版权所有
(3) S状。这种激发函数一般取连续值，常用对数或正切等S状曲线。如最常用的 本文来自www.eadianqi.com
本文来自www.eadianqi.com
也叫Sigmoid函数，这类曲线反映了神经元的饱和特性，如图2(c)所示。 本文来自www.eadianqi.com 一个神经网络是由多个神经元相互连接而成的，它们的连接有以下4种形式(图3)： 自动控制网www.eadianqi.com版权所有
本文来自www.eadianqi.com
图3 神经网络的连接形式 自动控制网www.eadianqi.com版权所有 (1) 不含反馈的前向网络。如图3(a)所示，神经元分层排列，由输入层、隐层(中间层)和输出层组成，每一层的神经元只接受前一层的输入，输入模式经过各层的顺序变换后，得到输出层的输出，其中隐层可以是多层。 本文来自www.eadianqi.com (2) 有反馈的前行网络。如图3(b)所示，这种神经网络可以将输出层直接反馈到输入层。 本文来自www.eadianqi.com (3) 层内相互结合的前向网络。如图3(c)，同一层内的神经元之间的相互制约，以实现同一层内的横向控制。 自动控制网www.eadianqi.com版权所有 (4) 层内相互结合型网络。如图3(d)所示，这种网络是在任意两神经元之间都可以互连。输入信号经过这种网络时，要经过多次往返传递，网络经过若干次变化才能达到某种平衡状态。 自动控制网www.eadianqi.com版权所有
神经网络的工作过程是这样的，给N组训练样本{
自动控制网www.eadianqi.com版权所有
从输入经隐层到输出逐层计算，最后计算出网络的输出 自动控制网www.eadianqi.com版权所有
神经网络中，各神经元的结构虽然相同，但是，激发函数 本文来自www.eadianqi.com 2、神经元网络用于数控机床故障诊断 自动控制网www.eadianqi.com版权所有 采用神经元网络进行数控机床故障诊断，其原理为：将数控机床的故障症状作为神经元网络的输入，将查得的故障原因作为神经元网络的输出，对神经元网络进行训练。神经元网络经过学习将得到的知识以分布的方式隐式地存储在各个网络上，其每个输出对应一个故障原因。当数控机床出现故障时，将故障现象或数控机床的症状输入到该故障诊断神经元网络中，神经元网络通过并行、分布计算，便可将诊断结果通过神经元网络的输出端输出。由于神经元网络具有联想、容错、记忆、自适应、自学习和处理复杂多模式故障的优点，因而非常适用于像数控机床故障诊断这样的事情，是数控机床故障诊断新的发展途径。 本文来自www.eadianqi.com 将神经元网络和专家系统结合起来，发挥两者各自的优点，更有助于数控机床的故障诊断工作的开展。 自动控制网www.eadianqi.com版权所有
|
为输入矢量，y为输出； 
表示输入到输出的连接权值，θ为阈值；s为外部输入。一般输入与输出之间的关系可表示为 自动控制网www.eadianqi.com版权所有 
为一激发函数，它通常取下列三种形式： 
本文来自www.eadianqi.com 
}，其中 
, 
，k=1,2,…,N，并给初始权值W，网络按照 
，然后网络再按照一定的算法修正权系数W，使实际输出Y与期望输出Y之间的误差满足要求的值。给网络足够的训练样本，经过训练后，神经网络就建立起来了。以后再给网络新的输入，网络就会求出输出结果。我们将网络修正权值W的过程叫做网络的学习，学习的目的是使网络的实际输出更接近期望输出。学习的算法也有多种，一般常用的有相关的规则(常用Hebb规则)、纠错规则(δ规则)和无教师学习三种学习规则。