神經(jīng)網(wǎng)絡(luò)原理精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的神經(jīng)網(wǎng)絡(luò)原理主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：神經(jīng)網(wǎng)絡(luò)原理范文

【關(guān)鍵詞】諧波;APF;神經(jīng)網(wǎng)絡(luò)

Abstract：With the development of the power of electronics technology，due to a variety of new non-linear loads are growing has caused much harmonic in power system，active power filter is the effective way to harmonic and compensate for the elimination.The working principle of active power filter system are briefly analyzed for this paper，and proposed a detection method based on neural networks，which are mainly using neural network load caused by harmonic resistance，etc.for effective analysis，to the original filter detection of the corresponding power system fundamental active current of more complete and thorough simulation results validate the design theory and analysis results are correct.

Key word：Harmonic;APF;neural networks

1.引言

在我國的可以發(fā)展和社會(huì)進(jìn)步過程中，特別是各種高科技的產(chǎn)品以及衍生物的出現(xiàn)，發(fā)展進(jìn)程不斷加快，由于我國的地理結(jié)構(gòu)，特別是資源分布不均決定了電網(wǎng)的地理結(jié)構(gòu)配置，尤其是在惡劣環(huán)境狀況下長遠(yuǎn)距離的電網(wǎng)配送傳輸，這樣不得不造成電能在傳輸過程中的出現(xiàn)諸多問題，基于越來越到的三相交流正弦設(shè)備電壓的穩(wěn)定性，尤其是大量的非線性設(shè)備在交流電下產(chǎn)生的非正弦電流（電壓等）信號(hào)，造成了其電能的有效性利用和一系列諧波的干擾等等。有源電力濾波器（Active Power Filter，APF）則應(yīng)運(yùn)而生，其優(yōu)點(diǎn)是可以抑制一些諧波來提高電能的穩(wěn)定性和電能的質(zhì)量，其中在諧波處理這一塊加入新型的神經(jīng)網(wǎng)絡(luò)，如現(xiàn)今的BP、FFT神經(jīng)網(wǎng)絡(luò)算法的運(yùn)用在電力濾波器中，能夠在諧波的處理過程中更加的準(zhǔn)確和穩(wěn)定，極大地加快了效率和保證了電能的質(zhì)量，也是目前市場(chǎng)情景很廣的一個(gè)重要課題。

2.電力諧波的檢測(cè)方法

在現(xiàn)代的電力系統(tǒng)中，尤其的當(dāng)前的三相交流電無時(shí)不刻地出現(xiàn)各種干擾性諧波，影響電能質(zhì)量和效率。在傳統(tǒng)的諧波檢測(cè)中有一些比較傳統(tǒng)的方法，特別在最初使用的無源濾波器進(jìn)行簡單且原始地濾波，這種濾波器在使用的同時(shí)也帶來了很多的不便和出現(xiàn)更多新的問題，在后來也慢慢被淘汰。于是在后來演變了幾種比較常用的方法，每種方法有其各自特點(diǎn)及應(yīng)用范圍，因此了解各種諧波檢測(cè)方法的優(yōu)缺點(diǎn)及其適用場(chǎng)合對(duì)擬制諧波是非常重要的。就目前廣泛應(yīng)用的是那些基于瞬時(shí)無功功率理論的p-q法，法和同步檢測(cè)法以及基于正弦函數(shù)正交特性法的檢測(cè)等方法，然后通過一些仿真比較各自的優(yōu)缺點(diǎn)及適用場(chǎng)合，為有效擬制諧波提供理論及實(shí)際指導(dǎo)。分析及仿真表明，有效利用各種諧波檢測(cè)方法的特點(diǎn)進(jìn)行諧波擬制是非常有效、實(shí)用的，這是充分利用其反向特點(diǎn)分析的。

2.1 檢測(cè)法

就目前大部分的諧波檢測(cè)而言，基本都是運(yùn)用檢測(cè)法進(jìn)行諧波檢測(cè)，在諧波檢測(cè)的基本工作原理是：將電壓或電感器輸出的電流信號(hào)轉(zhuǎn)化為電壓信號(hào)并進(jìn)行適當(dāng)?shù)姆糯蠡蚩s小（根據(jù)實(shí)際信號(hào)的輸出情況進(jìn)行放大或縮?。?。首先指令運(yùn)算電路就是諧波檢測(cè)的重要部分，其作用是在有源電力濾波器的補(bǔ)償作用下得出其補(bǔ)償電路的指令信號(hào)（電流信號(hào)），其中常用且最為重要的部分是三相電路的檢測(cè)方法，在實(shí)際生活中常用的有兩種：一種是電路諧波檢測(cè)法，另一種是無功電流檢測(cè)法。如下圖1是電路-諧波檢測(cè)的原理示意圖.其方法的基本原理是利用三相電壓源中的其中一項(xiàng)與同相位的正弦信號(hào)和相對(duì)應(yīng)的余弦信號(hào)sinωt_cosωt，然后他們由一個(gè)相鎖環(huán)（PLL）和sinωt_cosωt信號(hào)的發(fā)生電路模塊得到。再根據(jù)定以及其公式計(jì)算出、。在圖中、是由、、產(chǎn)生的、于是由、可以計(jì)算出、、，進(jìn)而計(jì)算出、、。運(yùn)算公式如圖1所示。

圖1 三相電流諧波檢測(cè)原理示意圖

（6）

（7）

（8）

（9）

用給定這些式子可以理想化的酸楚相應(yīng)的補(bǔ)償電流出來，這樣根據(jù)所需的參數(shù)量來進(jìn)行可控補(bǔ)償。最終達(dá)到諧波抑制的目的。

2.2 基于神經(jīng)網(wǎng)絡(luò)的電流檢測(cè)

在傳統(tǒng)的APF（有源電力濾波器）中，我們很難有準(zhǔn)確的測(cè)量方法，即是根據(jù)理想化的公式也只能進(jìn)行理想的運(yùn)算，然而在實(shí)際運(yùn)行過程中，其測(cè)量參數(shù)準(zhǔn)確度的有很大差距，于是我們提出了一種基于神經(jīng)網(wǎng)絡(luò)電流檢測(cè)方法，這樣在有源電力濾波器中有了很好檢作用，其神經(jīng)網(wǎng)絡(luò)原理圖 如下圖2所視，它具有多種跟蹤捕捉參數(shù)的能力，也能更為快速、準(zhǔn)確地檢測(cè)出來，達(dá)到的結(jié)果更接近理想值，在有源電力濾波器中加入運(yùn)用神經(jīng)網(wǎng)絡(luò)是現(xiàn)今以及未來的一個(gè)趨勢(shì)。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖 圖3 基于神經(jīng)網(wǎng)絡(luò)的基本原理圖

3.建立相關(guān)模型并仿真

在APF的濾波基礎(chǔ)上加入需要的神經(jīng)網(wǎng)絡(luò)模塊，更能有效且準(zhǔn)確地檢測(cè)諧波并進(jìn)行有效的補(bǔ)償，最終得到需要的電流（電壓）信號(hào)供日常實(shí)際生產(chǎn)。在被控參數(shù)的前饋期加入神經(jīng)網(wǎng)絡(luò)，可以很好的前饋控制，這樣的優(yōu)點(diǎn)是互惠產(chǎn)生不必要的延遲，同時(shí)可以減小工作時(shí)間。

3.1 模型建立

由于該研究主要針對(duì)于日常用的三相電力系統(tǒng)中，所以本文也是以三相交流為研究對(duì)象，其主要原理框圖如圖4所示

圖4 加入神經(jīng)網(wǎng)絡(luò)的有源濾波的簡易原理框圖

我們可以很弄清楚地看到，濾波裝置（APF）中加入可控串補(bǔ)神經(jīng)經(jīng)網(wǎng)調(diào)節(jié)模塊，由圖中可以看出主要對(duì)一些交流電流等相關(guān)參數(shù)進(jìn)行補(bǔ)償和抑制，在實(shí)際的運(yùn)行環(huán)境中一系列的諧波、內(nèi)外振蕩和非穩(wěn)定因素等干擾就得到了很好的抑制和處理，電壓（電流）變得更穩(wěn)定并且得到補(bǔ)償和提高，很接近預(yù)期理論計(jì)算值，最終改善了運(yùn)行環(huán)境，提高了電能的質(zhì)量，同時(shí)更能有效地節(jié)省資源和提高電能有用功率。在每個(gè)模塊達(dá)到自己的理論使用效果后，就可以很好地達(dá)到預(yù)期的結(jié)果。

3.2 仿真結(jié)果

本文研究對(duì)象主要是針對(duì)于三相交流電的電流參數(shù)進(jìn)行測(cè)試，得到了一些列的仿真結(jié)果，基本能夠反映研究的基本目的。下列圖形分別給出了其三相交流電流諧波補(bǔ)償抑制的仿真圖像。

（1）當(dāng)給定電壓在380v、50Hz、α=30°時(shí)，在給與一定負(fù)載，得到的電流波形圖如下圖5所示，諧波很明顯，三相正弦電流波形受到的干擾很明顯，在有源濾波器的作用，諧波得到了很好的抑制并且提供了相應(yīng)的補(bǔ)償，是電流波形接近正常。

（2）當(dāng)給定電壓為380V、50Hz、α=30°時(shí)，同時(shí)給與一定負(fù)載，得到的電流波形圖如下圖6所示，諧干很明顯，可知三相正弦電流波形受到的干擾很明顯，在有加入神經(jīng)網(wǎng)絡(luò)后的有源濾波器的作用下，我們能夠很明顯地看到諧波得到了很好的抑制，且給予的補(bǔ)償也很充分，電流的曲線圖像變得更接近理想值，振幅也比以前增大了，從圖像中我們可以得出在神經(jīng)網(wǎng)絡(luò)的作用下，有源電力濾波器的作用能夠發(fā)揮得更加充分和完善，也是我們研究的重點(diǎn)和趨勢(shì)。

4.總結(jié)

本文主要是在諧波污染現(xiàn)狀上，對(duì)諧波進(jìn)行系統(tǒng)的研究，尤其是在諧波檢測(cè)的基礎(chǔ)上進(jìn)行研究，并設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)的有源電力諧波檢測(cè)法，利用神經(jīng)網(wǎng)絡(luò)具有逼近任意非線性函數(shù)能力，響應(yīng)快、超調(diào)小、誤差小、魯棒性好等一些優(yōu)點(diǎn)，克服了有源電力濾波器補(bǔ)償性能不足，檢測(cè)效率低等缺點(diǎn)。其仿真結(jié)果表明基于該神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)模塊的試驗(yàn)中，可以得出其具有快速且準(zhǔn)確的檢測(cè)抑制效果，對(duì)今后的諧波抑制方面具有很好的發(fā)展前景。

參考文獻(xiàn)

[1]楊軍，王兆安.三相電路諧波電流兩種檢測(cè)方法的對(duì)比研究[J].電工技術(shù)學(xué)報(bào)，2005，6（7）.

[2]王兆安，劉建軍.電力電技術(shù)[M].北京：機(jī)械工業(yè)出版社，2010.

[3]于志豪，劉志珍，徐文尚.基于電路模型和神經(jīng)網(wǎng)絡(luò)的諧波電流檢測(cè)方法[J].電工技術(shù)學(xué)報(bào)，2004，19（9）.

第2篇：神經(jīng)網(wǎng)絡(luò)原理范文

關(guān)鍵詞：網(wǎng)絡(luò)經(jīng)濟(jì)；計(jì)算機(jī)技術(shù)；信息化；醫(yī)院審計(jì)；管理策略

中圖分類號(hào)：R197.324文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1007-9599 (2012) 04-0000-02

一、網(wǎng)絡(luò)經(jīng)濟(jì)對(duì)醫(yī)院審計(jì)帶來的積極影響

（一）有利于加快醫(yī)院審計(jì)信息化建設(shè)

隨著醫(yī)院內(nèi)部管理信息化、業(yè)務(wù)運(yùn)行網(wǎng)絡(luò)化、會(huì)計(jì)信息電子化的廣泛建立，不僅使醫(yī)院各項(xiàng)經(jīng)濟(jì)活動(dòng)的會(huì)計(jì)處理工作均可以通過計(jì)算機(jī)系統(tǒng)和軟件自動(dòng)完成，還使醫(yī)院的經(jīng)營管理步入了信息化、網(wǎng)絡(luò)化的軌道。在這樣的網(wǎng)絡(luò)經(jīng)濟(jì)環(huán)境下，醫(yī)院審計(jì)工作的范圍、對(duì)象、內(nèi)容、方法等審計(jì)要素也隨之發(fā)生了較大的變化，對(duì)傳統(tǒng)的審計(jì)工作造成了巨大的沖擊。為了滿足醫(yī)院管理信息化的發(fā)展需求，醫(yī)院必須加快審計(jì)信息化建設(shè)，以改進(jìn)傳統(tǒng)審計(jì)工作的不足，提高醫(yī)院整體信息化的建設(shè)水平。

（二）有利于實(shí)現(xiàn)醫(yī)院審計(jì)目標(biāo)

醫(yī)院審計(jì)工作的目標(biāo)在于緊緊圍繞本院工作重心，以強(qiáng)化財(cái)務(wù)管理和內(nèi)部控制監(jiān)督為主要任務(wù)，實(shí)現(xiàn)維護(hù)國家財(cái)經(jīng)紀(jì)律、促進(jìn)醫(yī)院健康發(fā)展的目標(biāo)。所以，醫(yī)院必須采取先進(jìn)、科學(xué)的技術(shù)方法，借助于網(wǎng)絡(luò)技術(shù)、信息技術(shù)和計(jì)算機(jī)技術(shù)對(duì)所獲取的審計(jì)憑證和信息資料進(jìn)行加工處理，作為審計(jì)結(jié)果的評(píng)估、判斷依據(jù)，以此為醫(yī)院領(lǐng)導(dǎo)提供可靠的決策信息，從而確保審計(jì)目標(biāo)的實(shí)現(xiàn)。

（三）有利于提升醫(yī)院內(nèi)部審計(jì)質(zhì)量

網(wǎng)絡(luò)經(jīng)濟(jì)環(huán)境下，網(wǎng)絡(luò)信息技術(shù)已經(jīng)廣泛被應(yīng)用于醫(yī)院的日常經(jīng)營管理活動(dòng)中，醫(yī)院內(nèi)部審計(jì)工作也不例外。審計(jì)工作利用現(xiàn)代科學(xué)技術(shù)，不僅可以極大地減輕審計(jì)人員的工作量，確保審計(jì)數(shù)據(jù)的準(zhǔn)確性和完整性，還可以促進(jìn)審計(jì)工作規(guī)范化、流程化，提高審計(jì)工作效率，降低審計(jì)管理成本，從而提升醫(yī)院內(nèi)部審計(jì)工作水平和質(zhì)量。

二、網(wǎng)絡(luò)經(jīng)濟(jì)對(duì)醫(yī)院審計(jì)的管理策略

（一）運(yùn)用計(jì)算機(jī)輔助審計(jì)方法

1.對(duì)醫(yī)院日常會(huì)計(jì)信息的審計(jì)。當(dāng)前的醫(yī)院審計(jì)要求審計(jì)工作人員應(yīng)對(duì)會(huì)計(jì)信息給予更多的分析，并利用計(jì)算機(jī)輔助審計(jì)來完成具體工作。首先，應(yīng)多開發(fā)一些適用于計(jì)算機(jī)輔助審計(jì)的應(yīng)用軟件，這樣便于審計(jì)人員借助這些審計(jì)軟件來對(duì)會(huì)計(jì)信息進(jìn)行相應(yīng)的檢查、測(cè)試、比較分析、統(tǒng)計(jì)、匯總等審計(jì)工作。如審計(jì)人員可以通過借助相應(yīng)的審計(jì)軟件對(duì)醫(yī)院財(cái)務(wù)部門各個(gè)時(shí)期的指標(biāo)進(jìn)行比較，并從中找出異常狀況，以便于進(jìn)一步加以調(diào)查和分析；其次，也可以借助會(huì)計(jì)電算化自帶的一些功能來完成審計(jì)工作。如審計(jì)人員可以利用會(huì)計(jì)電算化中的查詢過濾功能，將某些明細(xì)賬反映的醫(yī)療服務(wù)金額在指定數(shù)額以上的全部記錄顯示出來，借此來進(jìn)行分析性復(fù)核；再次，使用辦公自動(dòng)化軟件來輔助審計(jì)工作。如可借助EXCEL表格對(duì)材料成本差異核算進(jìn)行復(fù)核。

2.計(jì)算機(jī)輔助審計(jì)信息管理與傳遞。在進(jìn)行審計(jì)時(shí)，審計(jì)人員需要掌握大量的有關(guān)信息，如法律法規(guī)、被審計(jì)單位的具體情況、上一年度的審計(jì)底稿以及審計(jì)報(bào)告等等。在以往應(yīng)用手工方式時(shí)，這些信息都是由人工進(jìn)行整理和提供，既費(fèi)時(shí)又費(fèi)力，致使審計(jì)效率偏低。而利用計(jì)算機(jī)輔助審計(jì)，則可將這些信息全部存儲(chǔ)到計(jì)算機(jī)中，通過計(jì)算機(jī)的快速查找功能，便可以迅速、準(zhǔn)確地找到所需的信息。因此，為方便審計(jì)人員開展工作，應(yīng)建立審計(jì)法律法規(guī)庫、被審單位信息集料庫以及審計(jì)檔案庫等，同時(shí)還應(yīng)提供相應(yīng)的更新、維護(hù)以及查詢功能。

3.計(jì)算機(jī)輔助審計(jì)統(tǒng)計(jì)抽樣。在網(wǎng)絡(luò)經(jīng)濟(jì)環(huán)境下，現(xiàn)代審計(jì)已經(jīng)建立起了一套較為完善的抽樣技術(shù)。而將抽樣技術(shù)合理地應(yīng)用于審計(jì)工作當(dāng)中，是審計(jì)理論與實(shí)踐的一大重要突破，特別是統(tǒng)計(jì)抽樣比非統(tǒng)計(jì)抽樣更具科學(xué)性，其能夠準(zhǔn)確地將抽樣誤差控制在指定的范圍以內(nèi)。正因如此，計(jì)算機(jī)輔助審計(jì)的作用也隨之得以展現(xiàn)，具體體現(xiàn)在以下幾個(gè)方面上：其一，審計(jì)抽樣隨機(jī)數(shù)的選取。利用計(jì)算機(jī)輔助審計(jì)，則可通過程序編碼并借助計(jì)算機(jī)自身的功能來選取隨機(jī)數(shù)，既方便又快捷；其二，樣本選取。使用恰當(dāng)合理的統(tǒng)計(jì)抽樣方法可以有效地避免抽取無代表性樣本的風(fēng)險(xiǎn)，從而達(dá)到迅速、公正、客觀的目的；其三，簡化計(jì)算。借助計(jì)算機(jī)輔助審計(jì)，能夠利用計(jì)算機(jī)的語言編輯功能，建立一些應(yīng)用程序，并以此來計(jì)算有關(guān)的統(tǒng)計(jì)指標(biāo)，如樣本量、總體估算值等等，只要運(yùn)行這些程序便能夠快速地獲得結(jié)果。

（二）使用高效的醫(yī)院審計(jì)軟件

在信息化的前提條件下，審計(jì)人員需要大量的時(shí)間和精力去對(duì)醫(yī)院信息系統(tǒng)的具體功能進(jìn)行了解，只有這樣才能夠確保處理的完整性、正確性以及合法性。而當(dāng)一個(gè)醫(yī)院信息系統(tǒng)建設(shè)完成并投入使用以后，對(duì)其的改進(jìn)要比設(shè)計(jì)研發(fā)更加困難，并且費(fèi)用也會(huì)更好。為此，除應(yīng)對(duì)已經(jīng)投入使用的醫(yī)院信息系統(tǒng)進(jìn)行審計(jì)外，還應(yīng)加強(qiáng)事前和事中審計(jì)。這就要求審計(jì)人員應(yīng)參與到醫(yī)院信息系統(tǒng)的設(shè)計(jì)研發(fā)過程當(dāng)中，這樣能夠及時(shí)發(fā)現(xiàn)問題，并進(jìn)行相應(yīng)的改進(jìn)。此外，專業(yè)的審計(jì)軟件也能夠幫助審計(jì)人員完成審計(jì)工作。但是由于各個(gè)醫(yī)院的信息系統(tǒng)都存在一定差別，統(tǒng)一性和標(biāo)準(zhǔn)性較差。針對(duì)這一問題，當(dāng)前急需制定一個(gè)統(tǒng)一的數(shù)據(jù)格式標(biāo)準(zhǔn)或轉(zhuǎn)換標(biāo)準(zhǔn)。同時(shí)也應(yīng)對(duì)審計(jì)軟件進(jìn)行模塊化和程序化，從而方便審計(jì)人員在現(xiàn)場(chǎng)制定審計(jì)方案，這樣有利于審計(jì)工作的順利開展。

（三）建立醫(yī)院內(nèi)部審計(jì)信息系統(tǒng)

醫(yī)院內(nèi)部審計(jì)信息系統(tǒng)是以醫(yī)院信息系統(tǒng)和內(nèi)部控制系統(tǒng)為基礎(chǔ)，結(jié)合內(nèi)部審計(jì)理論、風(fēng)險(xiǎn)管理理論，通過對(duì)醫(yī)院經(jīng)濟(jì)活動(dòng)所產(chǎn)生的財(cái)務(wù)數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控，從而完成對(duì)醫(yī)院整體資源審計(jì)管理的綜合信息系統(tǒng)。該系統(tǒng)由以下三個(gè)子系統(tǒng)構(gòu)成：其一，審計(jì)專家信息系統(tǒng)。其主要技術(shù)功能包括審計(jì)抽樣和分析、審計(jì)取證、審計(jì)數(shù)據(jù)采集和轉(zhuǎn)換、審計(jì)工作底稿編制、審計(jì)信息交互共享、審計(jì)報(bào)告、審計(jì)規(guī)則庫定義和修訂等；其二，審計(jì)監(jiān)控系統(tǒng)。該系統(tǒng)直接嵌入到醫(yī)院管理信息系統(tǒng)中，對(duì)財(cái)務(wù)數(shù)據(jù)資源進(jìn)行實(shí)時(shí)監(jiān)控；其三，數(shù)據(jù)庫系統(tǒng)。該系統(tǒng)利用數(shù)據(jù)庫技術(shù)實(shí)現(xiàn)內(nèi)部審計(jì)數(shù)據(jù)與醫(yī)院管理信息系統(tǒng)的轉(zhuǎn)換，并將醫(yī)院內(nèi)部審計(jì)數(shù)據(jù)與財(cái)務(wù)醫(yī)務(wù)信息進(jìn)行集中、整合，而后對(duì)整個(gè)醫(yī)院數(shù)據(jù)實(shí)施共享。內(nèi)部審計(jì)信息系統(tǒng)可以通過數(shù)據(jù)庫系統(tǒng)獲取所有財(cái)務(wù)數(shù)據(jù)信息，加強(qiáng)了對(duì)醫(yī)院日常經(jīng)濟(jì)活動(dòng)的審計(jì)，同時(shí)也可以利用審計(jì)專家系統(tǒng)對(duì)財(cái)務(wù)數(shù)據(jù)實(shí)施回歸分析、線性分析和統(tǒng)計(jì)分析，尤其能夠發(fā)現(xiàn)數(shù)據(jù)記錄中存在的疑點(diǎn)事件和違規(guī)行為，從而加強(qiáng)醫(yī)院管理風(fēng)險(xiǎn)的控制。

（四）做好審計(jì)風(fēng)險(xiǎn)防范工作

現(xiàn)階段，在網(wǎng)絡(luò)經(jīng)濟(jì)環(huán)境下，計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，推動(dòng)了其在管理領(lǐng)域中的應(yīng)用，這使得以往傳統(tǒng)的管理、控制、檢查以及審計(jì)等技術(shù)均面臨著嚴(yán)峻挑戰(zhàn)。與此同時(shí)，國際會(huì)計(jì)公司、專業(yè)服務(wù)機(jī)構(gòu)以及咨詢公司等都將風(fēng)險(xiǎn)防范，尤其是計(jì)算機(jī)網(wǎng)絡(luò)及信息系統(tǒng)的運(yùn)行風(fēng)險(xiǎn)防范作為日常管理的工作重點(diǎn)。目前，網(wǎng)絡(luò)系統(tǒng)在醫(yī)院的應(yīng)用日益普及，各類重要信息的載體也由傳統(tǒng)的紙張轉(zhuǎn)變?yōu)榇判越橘|(zhì)。雖然這種介質(zhì)在使用上比較方便，但是對(duì)其的保存要求卻相對(duì)較高，它很容易受到高溫、震動(dòng)以及磁性物質(zhì)的影響，這在一定程度上增大了保存風(fēng)險(xiǎn)。并且這種存儲(chǔ)媒體的可變性較強(qiáng)，極易被非法訪問和濫用。為了確保重要信息的安全性，必須加強(qiáng)風(fēng)險(xiǎn)防范。一方面可以通過制定相關(guān)的風(fēng)險(xiǎn)防范規(guī)章制度，如網(wǎng)絡(luò)管理規(guī)定、安全保密規(guī)定以及會(huì)計(jì)核算軟件安全運(yùn)行管理細(xì)則等等；另一方面，還應(yīng)不斷強(qiáng)化醫(yī)院內(nèi)部控制，借此來保護(hù)自身的安全，進(jìn)而保障會(huì)計(jì)信息的真實(shí)性、準(zhǔn)確性以及可維護(hù)性，以此來降低審計(jì)風(fēng)險(xiǎn)。

（五）提高審計(jì)人員計(jì)算機(jī)水平

目前，理論基礎(chǔ)知識(shí)的缺乏以及計(jì)算機(jī)審計(jì)整體水平偏低等情況，已成為影響醫(yī)院內(nèi)部審計(jì)信息化建設(shè)的主要因素之一，也在一定程度上阻礙了醫(yī)院的健康發(fā)展。針對(duì)這一問題，必須采取積極有效地措施予以解決。首先，應(yīng)加大對(duì)審計(jì)人員的培訓(xùn)力度。作為一名醫(yī)院內(nèi)審人員不僅要熟練掌握先進(jìn)的審計(jì)方法和審計(jì)工具，如審計(jì)軟件等，并且還要能夠?qū)⑦@些軟件有效地應(yīng)用到實(shí)際審計(jì)工作當(dāng)中，以此來提高計(jì)算機(jī)審計(jì)方面的專業(yè)水平。同時(shí)還應(yīng)了解醫(yī)院財(cái)務(wù)、會(huì)計(jì)專業(yè)方面的相關(guān)知識(shí)，從而成為既懂醫(yī)院業(yè)務(wù)又熟悉計(jì)算機(jī)審計(jì)技術(shù)的復(fù)合型人才；其次，醫(yī)院應(yīng)通過不斷引進(jìn)具有較高審計(jì)水平及豐富計(jì)算機(jī)知識(shí)的人才，來提高醫(yī)院內(nèi)部審計(jì)隊(duì)伍的整體水平；再次，在條件允許的前提下，醫(yī)院還可建立審計(jì)人員與計(jì)算機(jī)網(wǎng)絡(luò)及電子商務(wù)等方面專家全面聯(lián)合的機(jī)制，這種機(jī)制的建立也是當(dāng)前解決醫(yī)院審計(jì)人員計(jì)算機(jī)水平偏低的有效途徑之一。

參考文獻(xiàn)

第3篇：神經(jīng)網(wǎng)絡(luò)原理范文

[關(guān)鍵詞] BP網(wǎng)絡(luò)； 旅行社； 人力資源危機(jī)； 預(yù)警模型； 危機(jī)識(shí)別

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 03. 034

[中圖分類號(hào)] F272.92 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1673 - 0194（2014）03- 0074- 05

人力資源危機(jī)在旅行社行業(yè)吸引人才、培養(yǎng)人才、留住人才的各個(gè)環(huán)節(jié)都有體現(xiàn)，影響旅行社行業(yè)人力資源管理的效果，影響旅行社行業(yè)的穩(wěn)定與發(fā)展。因此，如何對(duì)旅行社行業(yè)人力資源危機(jī)狀況進(jìn)行評(píng)判，進(jìn)而采取應(yīng)對(duì)措施，是當(dāng)前旅行社行業(yè)人力資源管理的一個(gè)迫切任務(wù)。本文引入人工神經(jīng)網(wǎng)絡(luò)中的BP網(wǎng)絡(luò)，構(gòu)建河南省旅行社人力資源危機(jī)預(yù)警模型，以期提早應(yīng)對(duì)危機(jī)。

1 BP網(wǎng)絡(luò)簡介

BP網(wǎng)絡(luò)由一個(gè)輸入層、若干隱含層和一個(gè)輸出層構(gòu)成，是一種具有3層或者3層以上結(jié)構(gòu)的多層神經(jīng)元網(wǎng)絡(luò)，網(wǎng)絡(luò)中的神經(jīng)元分層排列，它的左、右各層之間各個(gè)神經(jīng)元實(shí)現(xiàn)全連接，即左層的每一個(gè)神經(jīng)元與右層的每個(gè)神經(jīng)元都有連接，而上下層各神經(jīng)元之間無連接。每一層內(nèi)神經(jīng)元的輸出均傳送到下一層，這種傳送由連接權(quán)來達(dá)到增強(qiáng)、減弱或抑制的作用，除了輸入層的神經(jīng)元以外，隱含層和輸出層神經(jīng)元的凈輸入是前一層神經(jīng)元輸出的加權(quán)和。每個(gè)神經(jīng)元均由它的輸入、活化函數(shù)和閾值來決定它的活化程度。在人工神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用中，80%～90%的模型是采用BP網(wǎng)絡(luò)或它的變化形式。BP網(wǎng)絡(luò)可以有多層，但前向三層BP網(wǎng)絡(luò)最具代表性，應(yīng)用也最為廣泛。

2 基于BP網(wǎng)絡(luò)的河南省旅行社人力資源危機(jī)預(yù)警模型的構(gòu)建

2.1 構(gòu)建旅行社人力資源危機(jī)預(yù)警指標(biāo)體系

人力資源危機(jī)預(yù)警指標(biāo)體系由一系列能敏感反映人力資源管理活動(dòng)狀態(tài)和結(jié)果表現(xiàn)的指標(biāo)構(gòu)成。筆者通過分析河南省旅行社人力資源危機(jī)現(xiàn)狀，遵循靈敏性、科學(xué)性、可測(cè)度性、相對(duì)獨(dú)立性、預(yù)見性和可比性等原則，篩選出獨(dú)立性較強(qiáng)、代表性較強(qiáng)和貢獻(xiàn)性高的最小評(píng)價(jià)指標(biāo)體系，本文借助了專家打分的方法，各指標(biāo)的具體值域范圍見表1。

2.2 建立基于BP網(wǎng)絡(luò)的旅行社人力資源危機(jī)預(yù)警模型

2.2.1 用主成分分析法對(duì)模擬數(shù)據(jù)進(jìn)行預(yù)處理

根據(jù)表1，本文共模擬了8組數(shù)據(jù)（見表2），以建立基于BP網(wǎng)絡(luò)的河南省旅行社人力資源危機(jī)預(yù)警模型。

對(duì)表2中的極小值指標(biāo)（如員工隱性流失率等）先取倒數(shù)，再利用SPSS統(tǒng)計(jì)分析軟件進(jìn)行主成分分析，所得結(jié)果見表3。

本文共提取出6個(gè)公共因子，其特征值的方差貢獻(xiàn)率累積達(dá)到了96.044%（通常情況下，累積貢獻(xiàn)率達(dá)到85%即可）。本文選擇參數(shù)0.65作為劃分主要、次要指標(biāo)的載荷系數(shù)臨界值，以滿足下一步研究的要求。最后得到由10項(xiàng)指標(biāo)構(gòu)成的新的人力資源投資風(fēng)險(xiǎn)預(yù)警評(píng)價(jià)指標(biāo)體系，如表4所示。

2.2.2 BP網(wǎng)絡(luò)模型輸入節(jié)點(diǎn)的選擇

根據(jù) Kolmogorov定理（即映射網(wǎng)絡(luò)存在定理），一個(gè)三層BP網(wǎng)絡(luò)即可在任意希望的精度上實(shí)現(xiàn)任意的連續(xù)函數(shù) 。因此，本研究中采用三層BP網(wǎng)絡(luò)模型。影響旅行社人力資源危機(jī)度的評(píng)價(jià)因子主要有人才引進(jìn)率、招聘引進(jìn)員工勝任度等10個(gè)，因此，可確定BP網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為10。

本文選擇上述簡化后的10項(xiàng)指標(biāo)作為BP模型的輸入節(jié)點(diǎn)。由于BP神經(jīng)網(wǎng)絡(luò)的隱層一般采用Sigmoid轉(zhuǎn)換函數(shù)，為提高訓(xùn)練速度和靈敏性以及有效避開Sigmoid函數(shù)的飽和區(qū)，一般要求輸入數(shù)據(jù)的值在0～1之間。因此，需要對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理。

進(jìn)行輸入節(jié)點(diǎn)的輸入時(shí)，需要先對(duì)原始的模擬數(shù)據(jù)進(jìn)行歸一化處理，將它們轉(zhuǎn)化為閉區(qū)間[0，1]上的無量綱性指標(biāo)值。本著盡可能體現(xiàn)被評(píng)價(jià)對(duì)象之間的差異化原則，即使其離差平方和最大的原則，本文采用了極值處理法進(jìn)行歸一運(yùn)算：

若Mj = max{xij}，mj = min{xij} 則x′ij = ■

式中，xij為原始數(shù)據(jù)，x′ij∈[0，1]為歸一化后的無量綱性指標(biāo)，其歸一化結(jié)果見表5。

2.2.3 BP網(wǎng)絡(luò)模型隱層節(jié)點(diǎn)的選擇

對(duì)于隱層節(jié)點(diǎn)的選擇是一個(gè)非常復(fù)雜的問題，因?yàn)樯窠?jīng)網(wǎng)絡(luò)巨量并行分布的結(jié)構(gòu)和非線性的動(dòng)態(tài)特性決定了從理論上得到一個(gè)簡單通用的簡潔解析表達(dá)式或隱層單元確定公式是十分困難的，甚至是不可能的。隱層節(jié)點(diǎn)數(shù)的選擇與問題的要求和輸入輸出單元的多少都有直接關(guān)系：如果隱節(jié)點(diǎn)數(shù)過少，網(wǎng)絡(luò)不強(qiáng)壯，就不能識(shí)別以前沒有看到的樣本，容錯(cuò)性就差，或由于網(wǎng)絡(luò)太小可能訓(xùn)練不出來；但隱節(jié)點(diǎn)太多又會(huì)使學(xué)習(xí)時(shí)間過長，誤差也不一定最佳。因此，必定存在一個(gè)最佳的隱節(jié)點(diǎn)數(shù)，可用公式q = ■ + a作為參考。其中，q為隱含節(jié)點(diǎn)數(shù)，m為輸入神經(jīng)元數(shù)，n為輸出神經(jīng)元數(shù)，a為1 ～ 10之間的常數(shù)。

為使隱節(jié)點(diǎn)數(shù)更合適，本文將根據(jù)網(wǎng)絡(luò)的實(shí)際輸出與期望輸出矢量的均方誤差大小及訓(xùn)練步數(shù)的多少來綜合確定，最終隱含節(jié)點(diǎn)選為9，其模型訓(xùn)練精度最佳，訓(xùn)練步數(shù)也最少。

2.2.4 BP網(wǎng)絡(luò)模型輸出節(jié)點(diǎn)的選擇

從表5中選出對(duì)應(yīng)于新預(yù)警評(píng)價(jià)指標(biāo)體系的數(shù)據(jù)再次進(jìn)行主成分分析，步驟同前，所得結(jié)果如表6所示。

本文共提取出4個(gè)公共因子，其特征值的方差貢獻(xiàn)率累積達(dá)到92.232%。它們共同決定旅行社人力資源危機(jī)的狀況。

公因子1上載荷值大于0.65的指標(biāo)有：招聘引進(jìn)員工勝任度、培訓(xùn)與員工需求吻合度、員工對(duì)評(píng)價(jià)制度和使用制度的滿意度，涉及旅行社人力資源危機(jī)的多個(gè)部分，可稱之為“綜合因子”；公因子2上的載荷值大于0.65的指標(biāo)有：人力資本投資收益率、病假發(fā)生率，可稱之為“員工發(fā)展與保健因子”；公因子3上的載荷值大于0.65的指標(biāo)有：員工對(duì)激勵(lì)機(jī)制的滿意度、缺勤率，可稱之為員工“價(jià)值取向因子”；公因子4上的載荷值大于0.65的指標(biāo)主要有：員工離職增長率，主要是對(duì)員工流失指標(biāo)的反映，可稱之為“員工流失因子”。

第一，計(jì)算各公因子的得分。由于在查找旅行社人力資源危機(jī)風(fēng)險(xiǎn)因素提出對(duì)策時(shí)，通常只研究各公共因子上的主要載荷指標(biāo)，而不考慮其他冗余指標(biāo)。因此，為使警情分析輸出更精確，從而能更準(zhǔn)確地分析旅行社人力資源危機(jī)風(fēng)險(xiǎn)的內(nèi)容，更有針對(duì)性地提出人力資源危機(jī)預(yù)警對(duì)策，本文忽略各公因子內(nèi)部的冗余指標(biāo)（載荷系數(shù)小于0.65的指標(biāo)），只根據(jù)主要指標(biāo)（載荷系數(shù)大于等于0.65的指標(biāo)）的載荷系數(shù)，通過下列算式來計(jì)算各公共因子得分：

FP1 = ■

FP2 = ■

FP3 = ■

FP4 = ■ = t34

式中，tij是表中指標(biāo)Xij均值為0、標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)化變量；p為數(shù)組序號(hào)，p = 1，2，…，8。？搖

第二，以各公共因子的方差貢獻(xiàn)率占4個(gè)因子總方差貢獻(xiàn)率的比重作為權(quán)重進(jìn)行加權(quán)匯總，得出各數(shù)組的最終因子綜合得分Fp：

Fp = ■

通過綜合因子Fp（見表7）來反映旅行社人力資源危機(jī)程度，據(jù)此制定相應(yīng)的防范策略。BP網(wǎng)絡(luò)最后一層的傳輸函數(shù)Purelin使得網(wǎng)絡(luò)輸出可以是任意值，因此，本文將旅行社人力資源危機(jī)預(yù)警層次設(shè)置為4個(gè)級(jí)別，如表8所示，BP網(wǎng)絡(luò)的輸出層節(jié)點(diǎn)數(shù)為4，代表不同的旅行社人力資源危機(jī)等級(jí)，即安全、基本安全、風(fēng)險(xiǎn)和較大風(fēng)險(xiǎn)，4個(gè)等級(jí)對(duì)應(yīng)的標(biāo)準(zhǔn)輸出分別為[1000]、[0100]、[0010]、[0001]。

依前分析輸出節(jié)點(diǎn)選擇4個(gè)，10組輸出的4個(gè)端子的數(shù)值就對(duì)應(yīng)于10組人力資源危機(jī)預(yù)警指標(biāo)數(shù)據(jù)所反映的旅行社人力資源危機(jī)狀況。

結(jié)合旅行社人力資源危機(jī)的表現(xiàn)形式，本文提出了以下人力資源危機(jī)等級(jí)所對(duì)應(yīng)的標(biāo)準(zhǔn)（見表8）。

Ⅰ級(jí)狀態(tài)：旅行社人力資源各方面管理良好，沒有明顯危機(jī)跡象，處于安全狀態(tài)，但仍需注意各方面的情況，防止突發(fā)性危機(jī)的出現(xiàn)。

Ⅱ級(jí)狀態(tài)：旅行社人力資源各方面正常，基本看不出什么問題，不過需要提前采取相應(yīng)措施以提防潛在危機(jī)和突發(fā)性危機(jī)的發(fā)生。

Ⅲ級(jí)狀態(tài)：旅行社人力資源出現(xiàn)危機(jī)，會(huì)帶來一定的損失，但不明顯，會(huì)對(duì)旅行社人力資源各方面造成一定負(fù)面影響。

Ⅳ級(jí)狀態(tài)：旅行社人力資源出現(xiàn)嚴(yán)重危機(jī)，對(duì)人力資源各方面造成非常明顯和嚴(yán)重的影響，甚至導(dǎo)致旅行社倒閉。

綜上所述，本文建立的BP網(wǎng)絡(luò)人力資源危機(jī)預(yù)警模型的構(gòu)造為：10 × 9 × 4（即10個(gè)輸入神經(jīng)元，9個(gè)隱層神經(jīng)元，4個(gè)輸出神經(jīng)元）。

3 基于BP網(wǎng)絡(luò)的旅行社人力資源危機(jī)預(yù)警模型的訓(xùn)練和檢測(cè)

本文采用MATLAB工程計(jì)算軟件的神經(jīng)網(wǎng)絡(luò)工具箱設(shè)計(jì)、訓(xùn)練并檢測(cè)已建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型。

3.1 基于BP網(wǎng)絡(luò)的旅行社人力資源危機(jī)預(yù)警模型的訓(xùn)練

本文將表6歸一化后的前6組指標(biāo)值作為BP網(wǎng)絡(luò)的輸入，由表7確定的風(fēng)險(xiǎn)程度矩陣作為與之相對(duì)應(yīng)的期望輸出，導(dǎo)入MATLAB的圖形用戶界面――GUI（Graphical User Interfaces），即可創(chuàng)建網(wǎng)絡(luò)進(jìn)行訓(xùn)練。主要訓(xùn)練參數(shù)設(shè)置如下（未提及的參數(shù)均采用默認(rèn)值）。

（1） 訓(xùn)練函數(shù)：TRAINLM函數(shù)，它適用于中、小規(guī)模網(wǎng)絡(luò)的函數(shù)擬合問題，收斂快，收斂誤差小。

（2） 權(quán)值調(diào)節(jié)規(guī)則：LEARNGDM函數(shù)，采用動(dòng)量梯度下降方法對(duì)權(quán)值和閾值進(jìn)行調(diào)整。

（3） 網(wǎng)絡(luò)層數(shù)：3層。

（4） 性能函數(shù)：MSE函數(shù)，表示輸出矢量與目標(biāo)矢量之間的均方誤差。

（5） 期望誤差：ε = 0.001。

由圖1可知，當(dāng)網(wǎng)絡(luò)訓(xùn)練至第三步時(shí)，網(wǎng)絡(luò)性能達(dá)標(biāo)。BP網(wǎng)絡(luò)模型的訓(xùn)練輸出見表9，至此，BP網(wǎng)絡(luò)模型訓(xùn)練完畢。

3.2 基于BP網(wǎng)絡(luò)的旅行社人力資源危機(jī)預(yù)警模型的檢測(cè)

同理，用第7、第8組歸一化后的指標(biāo)數(shù)據(jù)及對(duì)應(yīng)的風(fēng)險(xiǎn)程度矩陣作為模型檢測(cè)的輸入和期望輸出，檢測(cè)結(jié)果見表10。檢測(cè)結(jié)果表明，實(shí)際輸出與期望輸出十分接近，誤差滿足要求。

由此可以得出結(jié)論，基于BP網(wǎng)絡(luò)建立的旅行社人力資源危機(jī)預(yù)警模型是有效的，可以用這個(gè)經(jīng)過訓(xùn)練、檢測(cè)完畢的BP網(wǎng)絡(luò)危機(jī)預(yù)警模型對(duì)旅行社人力資源危機(jī)進(jìn)行預(yù)警實(shí)證研究，以防范人力資源風(fēng)險(xiǎn)，保證旅行社企業(yè)良性運(yùn)行，同時(shí)對(duì)整頓治理旅游市場(chǎng)秩序起到監(jiān)督和促進(jìn)作用。

主要參考文獻(xiàn)

[1] 許謹(jǐn)良. 風(fēng)險(xiǎn)管理[M]. 第2版. 北京：中國金融出版社，2003：53-55.

第4篇：神經(jīng)網(wǎng)絡(luò)原理范文

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò)；計(jì)算原理；煤礦生產(chǎn)；安全性；評(píng)價(jià)系統(tǒng)；應(yīng)用；分析

在煤礦開采生產(chǎn)中，對(duì)于煤礦安全的評(píng)價(jià)主要是結(jié)合煤礦安全生產(chǎn)的相關(guān)控制原理以及要求標(biāo)準(zhǔn)，在煤礦開采生產(chǎn)中存在的風(fēng)險(xiǎn)和不穩(wěn)定因素進(jìn)行分析判斷，以對(duì)于煤礦開采生產(chǎn)中不安全情況以及事故發(fā)生的可能性以及影響程度，同時(shí)進(jìn)行相應(yīng)的安全控制與解決措施的提供，以保證煤礦開采生產(chǎn)的安全與順利實(shí)施。結(jié)合當(dāng)前國內(nèi)對(duì)于煤礦安全評(píng)價(jià)的研究狀況，由于研究起步相對(duì)比較晚，因此還停留在理論研究上，對(duì)于實(shí)踐研究的內(nèi)容相對(duì)較少。此外，在進(jìn)行煤礦開采生產(chǎn)的安全評(píng)價(jià)中，隨著煤礦開采生產(chǎn)環(huán)境的變化，進(jìn)行其安全評(píng)價(jià)應(yīng)用的理論方法之間也會(huì)存在有一定的區(qū)別，其相關(guān)評(píng)價(jià)標(biāo)準(zhǔn)之間也有一定的不同，但是，結(jié)合煤礦安全評(píng)價(jià)的實(shí)際，其安全評(píng)價(jià)應(yīng)用標(biāo)準(zhǔn)主要可以分為四種類型，即相關(guān)性安全評(píng)價(jià)標(biāo)準(zhǔn)以及類推評(píng)價(jià)標(biāo)準(zhǔn)、慣性評(píng)價(jià)標(biāo)準(zhǔn)、量變到質(zhì)變的安全評(píng)價(jià)標(biāo)準(zhǔn)等。下文將在對(duì)于BP神經(jīng)網(wǎng)絡(luò)計(jì)算方法的原理分析基礎(chǔ)上，結(jié)合煤礦安全評(píng)價(jià)的相關(guān)指標(biāo)體系，對(duì)于基于BP神經(jīng)網(wǎng)絡(luò)的煤礦安全評(píng)價(jià)體系的設(shè)計(jì)實(shí)現(xiàn)進(jìn)行分析研究。

一、BP神經(jīng)網(wǎng)絡(luò)法的計(jì)算原理分析

在實(shí)際計(jì)算應(yīng)用中，BP神經(jīng)網(wǎng)絡(luò)屬于一種前饋式的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在各種計(jì)算評(píng)價(jià)中應(yīng)用相對(duì)比較廣泛。通常情況下，比較典型的BP神經(jīng)網(wǎng)絡(luò)架構(gòu)主要包括輸入層以及隱含層、輸出層三個(gè)結(jié)構(gòu)層次，如下圖1所示，為BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。

BP神經(jīng)網(wǎng)絡(luò)算法在實(shí)際計(jì)算應(yīng)用中是一種自主學(xué)習(xí)與反饋的計(jì)算形式，它主要是借助梯度搜索技術(shù)對(duì)于輸入層輸入的樣本進(jìn)行搜索后，通過自主學(xué)習(xí)，以迭代計(jì)算方式對(duì)于輸出值進(jìn)行計(jì)算，同時(shí)通過與估計(jì)值方差之間的對(duì)比，以實(shí)現(xiàn)輸出調(diào)整，滿足實(shí)際的計(jì)算評(píng)價(jià)需求。值得注意的是，BP神經(jīng)網(wǎng)絡(luò)計(jì)算方法在自主學(xué)習(xí)的計(jì)算過程中，輸入信號(hào)的傳遞是自上向下傳遞實(shí)現(xiàn)的，在計(jì)算過程中，如果計(jì)算得到的輸出值和期望值之間的誤差比較大時(shí)，就會(huì)以反向傳播的方式，沿計(jì)算傳遞路線進(jìn)行返回調(diào)整，以對(duì)于計(jì)算誤差進(jìn)行控制和減小。

二、基于BP神經(jīng)網(wǎng)絡(luò)法的煤礦安全評(píng)價(jià)系統(tǒng)分析

應(yīng)用BP神經(jīng)網(wǎng)絡(luò)計(jì)算方法進(jìn)行煤礦安全評(píng)價(jià)系統(tǒng)設(shè)計(jì)構(gòu)建中，首先要結(jié)合煤礦開采生產(chǎn)中，對(duì)于煤礦安全產(chǎn)生影響的指標(biāo)因素，在進(jìn)行煤礦安全評(píng)價(jià)指標(biāo)體系構(gòu)建基礎(chǔ)上，實(shí)現(xiàn)基于BP神經(jīng)網(wǎng)絡(luò)的煤礦安全評(píng)價(jià)系統(tǒng)設(shè)計(jì)。

1、煤礦安全評(píng)價(jià)指標(biāo)體系的構(gòu)建

以煤礦開采生產(chǎn)中的礦井通風(fēng)安全評(píng)價(jià)為例，在進(jìn)行該項(xiàng)安全評(píng)價(jià)指標(biāo)體系的構(gòu)建中，首先需要明白礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)指標(biāo)體系反映煤礦通風(fēng)系統(tǒng)的基本情況、主要特征和系統(tǒng)潛在危險(xiǎn)狀態(tài)。因此，根據(jù)礦井通風(fēng)系統(tǒng)的安全性和經(jīng)濟(jì)性要求，煤礦安全評(píng)價(jià)指標(biāo)體系被劃分為4個(gè)一級(jí)指標(biāo)和19個(gè)二級(jí)指標(biāo)，如下圖1所示。在根據(jù)上述指標(biāo)因素對(duì)于煤礦的礦井通風(fēng)安全進(jìn)行評(píng)價(jià)中，需要用分級(jí)量化法把定性指標(biāo)轉(zhuǎn)換為定量指標(biāo)，同時(shí)將每個(gè)指標(biāo)劃分為5級(jí)，分別表示安全、比較安全、一般安全、不安全和非常不安全，每一級(jí)都有一個(gè)數(shù)值和取值標(biāo)準(zhǔn)與之對(duì)應(yīng)，安全評(píng)價(jià)過程中可以根據(jù)對(duì)象的具體情況確定相應(yīng)的評(píng)價(jià)值。

2、基于BP神經(jīng)網(wǎng)絡(luò)法的煤礦安全評(píng)價(jià)系統(tǒng)

根據(jù)上述BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與計(jì)算原理，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)法進(jìn)行計(jì)算評(píng)價(jià)時(shí)，其具體計(jì)算步驟如下。

首先，設(shè)置初始權(quán)系W（0）為較小的隨機(jī)非零值；其次給定輸入輸出樣本對(duì)，計(jì)算網(wǎng)絡(luò)的輸出，其具體計(jì)算過程如下，設(shè)P組輸入、輸出樣本為（1），則在第P組樣本輸入輸出為（2），

在上示輸出計(jì)算中，Iip表示的是第P組樣本輸入節(jié)點(diǎn)i的第j個(gè)輸入；然后再進(jìn)行BP神經(jīng)網(wǎng)絡(luò)目標(biāo)函數(shù)的計(jì)算，假設(shè)Ep為第P組樣本輸入時(shí)的網(wǎng)絡(luò)目標(biāo)函數(shù)，則其計(jì)算公式如下（3）所示，

（3）

根據(jù)計(jì)算結(jié)果進(jìn)行安全評(píng)價(jià)判斷，如果，其中，ε表示預(yù)先指定的誤差，并且ε>0，則算法結(jié)束。否則需要繼續(xù)進(jìn)行反向傳播計(jì)算，也就是從BP神經(jīng)網(wǎng)絡(luò)的輸出層按照梯度下降計(jì)算方式進(jìn)行反向計(jì)算，并對(duì)于每層的權(quán)值進(jìn)行調(diào)整。如下式（4）所示，為神經(jīng)元j到神經(jīng)元 i的聯(lián)接權(quán)調(diào)整計(jì)算公式。 （4）

在上式中，η表示的是學(xué)習(xí)算子，為常值。

根據(jù)上述BP神經(jīng)網(wǎng)絡(luò)計(jì)算方法的安全評(píng)價(jià)計(jì)算步驟，結(jié)合上述建立的煤礦開采生產(chǎn)中礦井通風(fēng)安全評(píng)價(jià)指標(biāo)體系，就可以采用Matlab7.6.0編制BP人工神經(jīng)網(wǎng)絡(luò)程序，同時(shí)使用BP算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和結(jié)果分析，然后用待預(yù)測(cè)樣本對(duì)預(yù)測(cè)結(jié)果進(jìn)行校驗(yàn)，以實(shí)現(xiàn)對(duì)于煤礦礦井通風(fēng)的安全評(píng)價(jià)。在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行煤礦通風(fēng)安全評(píng)價(jià)系統(tǒng)構(gòu)建中，整理和分析煤礦通風(fēng)系統(tǒng)原始數(shù)據(jù)，獲得80個(gè)輸入輸出樣本進(jìn)行訓(xùn)練和預(yù)測(cè)，并用兩個(gè)樣本校驗(yàn)預(yù)測(cè)結(jié)果。進(jìn)行樣本校驗(yàn)中，通過調(diào)用BP神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練網(wǎng)絡(luò)，進(jìn)行訓(xùn)練參數(shù)設(shè)置情況下，對(duì)于訓(xùn)練步數(shù)以及訓(xùn)練時(shí)間進(jìn)行設(shè)定，以進(jìn)行計(jì)算訓(xùn)練。根據(jù)最終計(jì)算訓(xùn)練結(jié)果可以實(shí)現(xiàn)對(duì)于煤礦礦井通風(fēng)的安全評(píng)價(jià)。

第5篇：神經(jīng)網(wǎng)絡(luò)原理范文

只有清楚地了解電梯控制系統(tǒng)的運(yùn)行原理才能夠及時(shí)準(zhǔn)確的診斷出電梯故障原因，因此清楚的了解電梯運(yùn)行原理,每一個(gè)電梯維修人員必須要做到。電梯運(yùn)行過程總體上可分為以下幾個(gè)階段：第一、登記層外召喚信號(hào)和登記內(nèi)選指令階段；第二、電梯門關(guān)閉或者電梯按照系統(tǒng)指令停運(yùn)階段；第三、啟動(dòng)階段；第四、在到達(dá)信號(hào)記錄的樓層前進(jìn)行減速制動(dòng)；第五、平層開門階段。在整個(gè)過程中電梯需要從外界接收信號(hào)并處理，然后完成相應(yīng)的指令或者輸出信號(hào)，由此可以將電梯看作是一個(gè)完整的獨(dú)立的系統(tǒng)，只需要外界給予相應(yīng)的信號(hào)就可以自動(dòng)的做出動(dòng)作。電梯系統(tǒng)內(nèi)部復(fù)雜的構(gòu)件緊密的結(jié)合在一起，正是如此才使得電梯系統(tǒng)故障具有了復(fù)雜性、層次性、相關(guān)性以及不確定性的特點(diǎn)。

二、神經(jīng)網(wǎng)絡(luò)技術(shù)基本原理

生物學(xué)上的神經(jīng)是由一個(gè)個(gè)簡單的神經(jīng)元相互連接進(jìn)而形成了復(fù)雜的龐大的神經(jīng)系統(tǒng)，同理，神經(jīng)網(wǎng)絡(luò)就是由大量簡單的處理單元相互連接形成的復(fù)雜的智能系統(tǒng)。單獨(dú)的處理單元類似于一個(gè)神經(jīng)元，是一個(gè)可以接受不同信息但是只輸出一種信息的結(jié)構(gòu)單位。神經(jīng)網(wǎng)絡(luò)系統(tǒng)與生物學(xué)神經(jīng)系統(tǒng)相似的是具有自我修改能力，它可以同時(shí)接收大量的數(shù)據(jù)并進(jìn)行統(tǒng)一的分析處理，進(jìn)而輸出相應(yīng)的處理結(jié)果。這就使得神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有了高度容錯(cuò)性、高度并行性、自我修改性、學(xué)習(xí)性以及高度復(fù)雜性，也正是由于這些特性才使的利用神經(jīng)網(wǎng)絡(luò)技術(shù)能夠及時(shí)準(zhǔn)確的查明電梯故障原因并得出故障解決方案。電梯故障診斷中應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型分為三個(gè)層次：輸入層、接收外部信號(hào)或者是電梯自我檢測(cè)信息（如載重信息）；隱含層、對(duì)接收到了大量數(shù)據(jù)進(jìn)行相應(yīng)的分析處理；輸出層、將記錄著動(dòng)作命令的數(shù)據(jù)傳送出來。在電梯出現(xiàn)故障時(shí)，首先可以通過神經(jīng)網(wǎng)絡(luò)模型快速確定故障發(fā)生在哪一層達(dá)到節(jié)約時(shí)間的目的。但是神經(jīng)網(wǎng)絡(luò)也會(huì)因?yàn)槭諗克俣冗^于慢、訓(xùn)練強(qiáng)度太大或者是選擇的網(wǎng)絡(luò)模型不好等問題導(dǎo)致診斷結(jié)果受到影響。

三、神經(jīng)網(wǎng)絡(luò)模型在電梯故障診斷中的應(yīng)用分類

神經(jīng)網(wǎng)絡(luò)模型已經(jīng)成為了如今電梯故障診斷中應(yīng)用最廣泛的技術(shù)模型，相比于傳統(tǒng)方式它具有診斷速度快、故障原因命中率高的優(yōu)點(diǎn)，因此引起了各方面專業(yè)人士的強(qiáng)烈關(guān)注，并在他們的不懈努力下得到了發(fā)展與創(chuàng)新。它跨越多個(gè)專業(yè)領(lǐng)域、通過對(duì)各種復(fù)雜的高難度工作的不斷的發(fā)展與改進(jìn)出現(xiàn)了越來越多的應(yīng)用模型，下面主要介紹了當(dāng)前應(yīng)用最普遍的BP網(wǎng)絡(luò)模型，并且簡單的引入并介紹了近年來新興的模糊神經(jīng)網(wǎng)絡(luò)模型和遺傳小波神經(jīng)網(wǎng)絡(luò)模型。

（一）BP網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)作為神經(jīng)網(wǎng)絡(luò)應(yīng)用最廣泛的一種，它多應(yīng)用的誤差反向傳播算法使其在模式識(shí)別、診斷故障、圖像識(shí)別以及管理系統(tǒng)方面具有相對(duì)先進(jìn)性。基于BP網(wǎng)絡(luò)的電梯故障診斷技術(shù)就是通過學(xué)習(xí)故障信息、診斷經(jīng)驗(yàn)并不斷訓(xùn)練，并將所學(xué)到的知識(shí)利用各層次之間節(jié)點(diǎn)上的權(quán)值從而表達(dá)出來。BP網(wǎng)絡(luò)系統(tǒng)的主要診斷步驟主要可以分為三步。第一步：對(duì)輸入輸出的數(shù)據(jù)進(jìn)行歸一化處理，將數(shù)據(jù)映射到特定的區(qū)間。第二步：建立BP網(wǎng)絡(luò)模型，訓(xùn)練BP網(wǎng)絡(luò)模型。第三：通過已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)模型對(duì)原來的樣本進(jìn)行全面的檢測(cè)。算法步驟：a、在一定的取值范圍內(nèi)對(duì)數(shù)據(jù)進(jìn)行初始化；b、確定輸入值數(shù)值大小，計(jì)算出預(yù)期輸出量；c、用實(shí)際輸出的值減去上一步得到的數(shù)值；d、將上一步得到的誤差分配到隱含層，從而計(jì)算出隱含層的誤差；e、修正輸出層的權(quán)值和閾值，修正隱含層的權(quán)值；f、修正隱含層的閾值，修正隱含層和輸入層的權(quán)值。

（二）遺傳小波神經(jīng)網(wǎng)絡(luò)模型

遺傳算法運(yùn)用了生物界的優(yōu)勝劣汰、適者生存的思想對(duì)復(fù)雜問題進(jìn)行優(yōu)化，適用于復(fù)雜的故障，起到了優(yōu)化簡化問題的作用。對(duì)局部數(shù)據(jù)進(jìn)行詳細(xì)的分析是小波法最大的特點(diǎn)，所以它被譽(yù)為“數(shù)字顯微鏡”。遺傳算法小波神經(jīng)網(wǎng)絡(luò)就是運(yùn)用小波進(jìn)行分解的方法分解模擬故障信號(hào)，將得到的數(shù)據(jù)進(jìn)行歸一化，將歸一化后的數(shù)值輸入到神經(jīng)網(wǎng)絡(luò)模型中。它融合了神經(jīng)網(wǎng)絡(luò)、小波分析和遺傳算法三者所有的優(yōu)點(diǎn)。基于遺傳小波神經(jīng)網(wǎng)絡(luò)的電梯故障診斷的一般步驟為：測(cè)試節(jié)點(diǎn)信號(hào)采樣、小波分解、故障特征量提取、歸一化得到訓(xùn)練樣本集、遺傳算法優(yōu)化、得到故障類型。遺傳小波神經(jīng)網(wǎng)絡(luò)模型在故障原因復(fù)雜、數(shù)據(jù)信息量巨大的電梯系統(tǒng)的應(yīng)用中能夠發(fā)揮更大的作用。

（三）模糊神經(jīng)網(wǎng)絡(luò)模型

模糊神經(jīng)網(wǎng)絡(luò)模型就是創(chuàng)新性的將神經(jīng)網(wǎng)絡(luò)與模糊理論結(jié)合到一起。它采用了廣義的方向推理和廣義的前向推理兩種推理方式。與其它兩種模型不同的是，它的語言邏輯、判斷依據(jù)和結(jié)論都是模糊的。但是它的數(shù)據(jù)處理能力還有自我學(xué)習(xí)能力并沒有因此而變差，反而更加豐富了它的定性知識(shí)的內(nèi)容。在處理實(shí)際問題的過程中，首先要建立所有可能發(fā)生的故障的完整集合，其次將所有的故障發(fā)生原因歸入到同一個(gè)集合中去，最后就是建立故障和原因的關(guān)系矩陣。分別叫做模糊故障集、模糊原因集、模糊關(guān)系矩陣。相較于BP網(wǎng)絡(luò)模型，這種模型更加的簡單易行，充分發(fā)揮了神經(jīng)網(wǎng)絡(luò)和模糊邏輯的優(yōu)點(diǎn)，不會(huì)因?yàn)楣收显蜻^于復(fù)雜而失去診斷的準(zhǔn)確性，在原本豐富定性知識(shí)和強(qiáng)大數(shù)據(jù)處理能力的基礎(chǔ)上具有了很大的自我訓(xùn)練能力。

四、結(jié)語

第6篇：神經(jīng)網(wǎng)絡(luò)原理范文

黑科技？神經(jīng)網(wǎng)絡(luò)是個(gè)什么鬼

說到神經(jīng)網(wǎng)絡(luò)，很多朋友都會(huì)認(rèn)為這是一個(gè)高大上的概念。從生物學(xué)角度來說，人類復(fù)雜的神經(jīng)系統(tǒng)是由數(shù)目繁多的神經(jīng)元組合而成，它們互相聯(lián)結(jié)形成神經(jīng)網(wǎng)絡(luò)，經(jīng)過對(duì)信息的分析和綜合，再通過運(yùn)動(dòng)神經(jīng)發(fā)出控制信息，從而實(shí)現(xiàn)各種精密活動(dòng)，如識(shí)別各種物體、學(xué)習(xí)各種知識(shí)、完成各種邏輯判斷等。

隨著人工智能技術(shù)的發(fā)展，科學(xué)家開發(fā)出人工神經(jīng)網(wǎng)絡(luò)，它的構(gòu)成原理和功能特點(diǎn)等方面更加接近人腦。它不是按給定的程序一步一步地執(zhí)行運(yùn)算，而是能夠自身適應(yīng)環(huán)境、總結(jié)規(guī)律、完成某種運(yùn)算、識(shí)別或過程控制。比如多倫多大學(xué)的Krizhevsky等人構(gòu)造了一個(gè)超大型卷積神經(jīng)網(wǎng)絡(luò)，有9層，共65萬個(gè)神經(jīng)。第一層神經(jīng)元只能識(shí)別顏色和簡單紋理，但是第五層的一些神經(jīng)元可以識(shí)別出花、圓形屋頂、鍵盤、烏、黑眼圈等更為抽象豐富的物體（圖1）。因此神經(jīng)網(wǎng)絡(luò)實(shí)際上是基于人工智能技術(shù)而形成的一種和人類神經(jīng)網(wǎng)絡(luò)相似的網(wǎng)絡(luò)系統(tǒng)。

媲美Photoshop 神經(jīng)網(wǎng)絡(luò)磨皮技術(shù)背后

如上所述，現(xiàn)在神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展已經(jīng)非常迅猛，而且運(yùn)用在各個(gè)領(lǐng)域。神經(jīng)網(wǎng)絡(luò)磨皮則是指該技術(shù)在照片識(shí)別和美化方面的運(yùn)用。那么它是怎樣實(shí)現(xiàn)對(duì)照片的美化？在Photoshop中磨皮操作是用戶先選中人臉區(qū)域，然后再使用Photoshop內(nèi)置的方法實(shí)現(xiàn)磨皮。神經(jīng)網(wǎng)絡(luò)磨皮原理類似，只不過這些操作是自動(dòng)完成的。

首先是對(duì)照片人臉識(shí)別。要實(shí)現(xiàn)對(duì)照片的美容就必須先精確識(shí)別人臉，由于人臉有五官這個(gè)顯著特征，因此神經(jīng)網(wǎng)絡(luò)磨皮技術(shù)只要通過機(jī)器對(duì)一定數(shù)量的人臉照片進(jìn)行識(shí)別、讀取，然后就可以精確識(shí)別人臉。它的原理和常見的人臉識(shí)別技術(shù)類似（圖2）。

其次則是美化。在完成人臉識(shí)別后就需要對(duì)美化操作進(jìn)行機(jī)器學(xué)習(xí)，以磨皮為例。因?yàn)槿四樀拿總€(gè)年齡階段皮膚性質(zhì)是不同的，為了達(dá)到更真實(shí)的磨皮效果，神經(jīng)網(wǎng)絡(luò)磨皮是實(shí)現(xiàn)用戶“回到”幼年或者“穿越”到老年臉部皮膚的效果。研究人員將年齡段分類為0～18歲、19～29歲、30～39歲、40～49歲、50～59歲和60歲以上這幾個(gè)階段（圖3）。

然后準(zhǔn)備兩個(gè)深度學(xué)習(xí)機(jī)器同時(shí)工作。兩個(gè)機(jī)器一個(gè)用來生成人臉，一個(gè)用來鑒別人臉。而且兩個(gè)機(jī)器會(huì)通過分析人臉圖像，提前學(xué)習(xí)到各年齡段人臉大概是什么樣子的。在每個(gè)年齡分組里，研究人員讓機(jī)器學(xué)習(xí)超過5000張標(biāo)記過年齡的人臉圖像。通過大量的照片學(xué)習(xí)后，機(jī)器就可以學(xué)會(huì)每個(gè)年齡分組內(nèi)的標(biāo)簽，它可以準(zhǔn)確知道每個(gè)人不同年齡階段的臉部特征。這樣無論你是要磨皮為年輕時(shí)的皮膚光滑、圓潤狀態(tài)，還是要變?yōu)?0歲以后皺褶、粗糙的皮膚，神經(jīng)磨皮都可以輕松幫助你實(shí)現(xiàn)。

當(dāng)然學(xué)習(xí)有個(gè)通病，就是在合成過程中，機(jī)器可能會(huì)喪失掉圖片原有的識(shí)別資料（1D）。為了解決這個(gè)問題，上述介紹中的人臉鑒別機(jī)器就發(fā)揮功效了。它通過查看這個(gè)照片的識(shí)別資料是不是唯一的，如果不是的話照片則會(huì)被拒絕輸出。研究人員讓機(jī)器合成10000張從數(shù)據(jù)庫中抽取出來的人像，這些照片之前從未用來訓(xùn)練機(jī)器。然后他們用開發(fā)的軟件程序來檢測(cè)訓(xùn)練前后的兩張照片是否為同一個(gè)人，測(cè)試結(jié)果顯示有80%經(jīng)訓(xùn)練的照片都被認(rèn)為和原照片是同一個(gè)人（而作為對(duì)比，用其他方法加工照片，平均測(cè)試結(jié)果只有50%）。舉個(gè)簡單例子，如果40歲的用戶將自己磨皮為20歲的樣子，如果軟件程序來檢測(cè)訓(xùn)練前后的兩張照片為同一個(gè)人，那么就輸出磨皮效果，從而讓用戶可以輕松磨皮到20歲的狀態(tài)。這樣經(jīng)過訓(xùn)練的神經(jīng)磨皮算法可以很真實(shí)地實(shí)現(xiàn)人臉的磨皮。

神經(jīng)網(wǎng)絡(luò) 不H僅是磨皮

第7篇：神經(jīng)網(wǎng)絡(luò)原理范文

【關(guān)鍵詞】PID控制;BP神經(jīng)網(wǎng)絡(luò);模糊PID控制

Abstruct：PID control are widely used in industrial process control，but the traditional PID control because of its control parameters are fixed，and it is difficult to adjust its parameters online.So this paper studies a new adaptive fuzzy PID control method，to solve problem without the ability to learn，and put forward a kind of adaptive fuzzy control method based on BP neural network in this paper.It is the effective combination of fuzzy control，neural network and PID control.Simulation results show that this fuzzy PID control method based on BP neural network has good control effect.

Keywords：PID control;BP neural network;Fuzzy PID control

1.引言

常規(guī)PID在控制領(lǐng)域被廣泛應(yīng)用，利用數(shù)學(xué)算法來整定參數(shù)。而且隨著控制系統(tǒng)的復(fù)雜，被控對(duì)象很難建立數(shù)學(xué)模型，人們開始探索新的控制方式。模糊控制不要求掌握被控對(duì)象的精確的數(shù)學(xué)模型，根據(jù)人工控制規(guī)則組織控制決策表，然后由該表決定控制量的大小。在一般的模糊系統(tǒng)設(shè)計(jì)中，規(guī)則是由經(jīng)驗(yàn)豐富的專業(yè)人員以語言的方式表達(dá)出來的。但對(duì)于某些問題即使是很有經(jīng)驗(yàn)的專業(yè)人員也很難將他們的經(jīng)驗(yàn)總結(jié)、歸納為一些比較明確而簡化的規(guī)則。在這種情況下，就可以應(yīng)用神經(jīng)網(wǎng)絡(luò)的方法，依靠BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能，實(shí)現(xiàn)模糊控制的神經(jīng)、模糊融合技術(shù)，并借助其并行分布的結(jié)構(gòu)來估計(jì)輸入到輸出的映射關(guān)系，直接從原始的工作數(shù)據(jù)中歸納出若干控制規(guī)則。從而為模糊系統(tǒng)建立起行之有效的決策規(guī)則。

2.PID控制器原理

2.1 PID控制的微分方程

PID控制器是一種線性控制器，它將給定值r（t）與實(shí)際輸出值c（t）的偏差的比例（p）、積分（I）、微分（D）通過線性組合構(gòu)成控制量，對(duì)控制對(duì)象進(jìn)行控制。

式中：

2.2 PID控制器各環(huán)節(jié)的作用

（1）比例環(huán)節(jié)：及時(shí)成比例地反應(yīng)控制系統(tǒng)的偏差信號(hào)e（t），偏差一旦產(chǎn)生，控制器立即產(chǎn)生控制作用以減小偏差。

（2）積分環(huán)節(jié)：積分作用會(huì)使系統(tǒng)穩(wěn)定性下降，Kd大會(huì)使系統(tǒng)不穩(wěn)定，但能消除靜態(tài)誤差。

（3）微分環(huán)節(jié)：能反應(yīng)偏差信號(hào)的變化趨勢(shì)，并能在偏差信號(hào)值變得太大之前，在系統(tǒng)中引入一個(gè)早期修正信號(hào)，從而加快系統(tǒng)的動(dòng)作速度，減小調(diào)節(jié)時(shí)間。Kd偏大時(shí)，超調(diào)較大，調(diào)節(jié)時(shí)間短;Kd偏小時(shí)，超調(diào)量也較大，調(diào)節(jié)時(shí)間長;只有Kd合適時(shí)才能超調(diào)小，時(shí)間短。

3.BP神經(jīng)網(wǎng)絡(luò)與模糊控制

模糊控制是運(yùn)用語言歸納操作人員的控制策略，運(yùn)用變量和模糊集合理論形成控制算法的一種控制。如何讓機(jī)器像人一樣識(shí)別、理解模糊規(guī)則并進(jìn)行模糊邏輯推理，最終得出新的結(jié)論并實(shí)現(xiàn)自動(dòng)控制是模糊控制研究的主要內(nèi)容。模糊控制器的基本結(jié)構(gòu)如圖1所示。

圖1 模糊控制結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)是由大量人工神經(jīng)元經(jīng)廣泛互連二組成的，它可用來模擬腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。人工神經(jīng)網(wǎng)絡(luò)可以看成是以人工神經(jīng)元為節(jié)點(diǎn)，用有向加權(quán)弧連接起來的有向圖。BP網(wǎng)絡(luò)是一種利用誤差反向傳播訓(xùn)練算法的神經(jīng)網(wǎng)絡(luò)，是一種有隱含層的多層前饋網(wǎng)絡(luò)，系統(tǒng)地解決了多層網(wǎng)絡(luò)中隱含單元連接權(quán)的學(xué)習(xí)問題。BP學(xué)習(xí)算法的基本原理是梯度最速下降法，它的中心思想是調(diào)整權(quán)值使網(wǎng)絡(luò)總誤差最小。也就是采用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸出值與期望輸出值的誤差均方值為最小。網(wǎng)絡(luò)學(xué)習(xí)過程是一種誤差邊向后傳播邊修正權(quán)系數(shù)的過程。其結(jié)構(gòu)如圖2所示。

圖2中隱含層第一層神經(jīng)元為7個(gè)，分別對(duì)應(yīng)7個(gè)模糊子集：NB、NM、NS、ZO、PS、PM、PB。第二層49個(gè)神經(jīng)元代表49條規(guī)則。第三層7個(gè)神經(jīng)元代表輸出的7個(gè)模糊子集。模糊控制不依靠對(duì)象的數(shù)學(xué)模型，但模糊規(guī)則的建立需要人工經(jīng)驗(yàn)。采用BP算法對(duì)工程經(jīng)驗(yàn)和專家經(jīng)驗(yàn)的模糊規(guī)則進(jìn)行訓(xùn)練，其實(shí)就是把模糊規(guī)則用神經(jīng)網(wǎng)絡(luò)來表示，即經(jīng)過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，將模糊規(guī)則以加權(quán)系數(shù)的形式表現(xiàn)出來，規(guī)則的生成就轉(zhuǎn)化為加權(quán)系數(shù)的確定和修改。

神經(jīng)網(wǎng)絡(luò)是大規(guī)模并行運(yùn)算，但由于網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，訓(xùn)練和學(xué)習(xí)需要大量的時(shí)間，所以目前還無法實(shí)現(xiàn)實(shí)時(shí)控制。在具體應(yīng)用中，我們是先離線將神經(jīng)網(wǎng)絡(luò)的各層權(quán)值和閾值訓(xùn)練出來，將其參數(shù)固定下來，然后將有系統(tǒng)檢測(cè)、計(jì)算得到的誤差變化直接代入非線性映射關(guān)系中，由計(jì)算機(jī)算出控制量，再用作被控對(duì)象。在matlab下以、、為輸出的BP網(wǎng)絡(luò)仿真訓(xùn)練如圖3、圖4、圖5所示。

4.模糊PID控制器的原理與仿真

對(duì)于某一BP神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，其中內(nèi)部變化及被控對(duì)象的數(shù)學(xué)模型為：

利用模糊控制對(duì)PID參數(shù)實(shí)現(xiàn)在線調(diào)節(jié)，原理如圖6。

圖6 模糊PID控制原理圖

采用Z-N法和試湊法相結(jié)合，借助MATLAB的SIMULINK平臺(tái)，對(duì)被控對(duì)象進(jìn)行常規(guī)PID仿真。參數(shù)值：kp=15，ki=6，kd=0.05。如圖7。作為比較，建立模糊PID控制器的仿真模型如圖8。

圖9、圖10分別為被控對(duì)象G（s）在階躍輸入下常規(guī)PID和模糊PID仿真結(jié)果的比較。

經(jīng)過仿真發(fā)現(xiàn)，常規(guī)PID控制缺點(diǎn)是超調(diào)量大，調(diào)節(jié)時(shí)間長，動(dòng)態(tài)性能差。優(yōu)點(diǎn)是控制精度高，穩(wěn)定性能好。模糊控制動(dòng)態(tài)性能很好，上升速度快，基本無超調(diào)。但由于模糊化所造成的穩(wěn)態(tài)誤差，在沒有積分環(huán)節(jié)的情況下很難消除，故穩(wěn)態(tài)性能差。模糊PID繼承了二者的優(yōu)點(diǎn)，摒棄二者缺點(diǎn)，具有更全面優(yōu)良的控制性能。

5.結(jié)論

針對(duì)大滯后、慢時(shí)變、非線性的復(fù)雜系統(tǒng)，提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的模糊PID控制算法，該算法不依賴被控對(duì)象的精確數(shù)學(xué)模型，可實(shí)現(xiàn)在線自調(diào)整模糊規(guī)則，從而增強(qiáng)了模糊控制器的自學(xué)習(xí)能力。通過算法的仿真研究，驗(yàn)證了算法的可行性。

參考文獻(xiàn)

[1]李華.計(jì)算機(jī)控制系統(tǒng)[M].北京：機(jī)械工業(yè)出版社，2007.

[2]高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M].北京：機(jī)械工業(yè)出版社，2007.

[3]蔡自興.智能控制[M].北京：電子工業(yè)出版社，2003.

[4]李國勇.智能控制及其MATLAB實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2005.

[5]張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M].北京：機(jī)械工業(yè)出版社，2009.

[6]劉金琨.先進(jìn)PID控制及其MATLAB仿真[M].北京：電子工業(yè)出版社，2003.

[7]劉玲.三容水箱的單神經(jīng)元自適應(yīng)PID控制研究[J].信息技術(shù)，2005，3（8）：32-137.

第8篇：神經(jīng)網(wǎng)絡(luò)原理范文

[關(guān)鍵詞] 船舶供應(yīng)商 評(píng)價(jià)體系 遺傳算法 神經(jīng)網(wǎng)絡(luò)

選擇合適的供應(yīng)商直接關(guān)系到船舶企業(yè)降低成本、提高企業(yè)競(jìng)爭力?，F(xiàn)有的平價(jià)方法在確定指標(biāo)權(quán)重時(shí)存在主觀隨意性，評(píng)價(jià)結(jié)果缺乏客觀與公正。BP神經(jīng)網(wǎng)絡(luò)具有容錯(cuò)性、自適應(yīng)性等特點(diǎn)，解決了評(píng)價(jià)過程中指標(biāo)權(quán)重隨意性和人為因素。本文構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)模型，并針對(duì)BP神經(jīng)網(wǎng)絡(luò)收斂速度慢的缺點(diǎn)，采用遺傳算法對(duì)構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，從而構(gòu)建評(píng)價(jià)船舶供應(yīng)商遺傳神經(jīng)網(wǎng)絡(luò)模型。

一、船舶供應(yīng)商評(píng)價(jià)指標(biāo)體系的構(gòu)建

原材料供應(yīng)商和船舶配套企業(yè)的產(chǎn)品質(zhì)量性能以及管理水平等都會(huì)對(duì)船舶企業(yè)的正常運(yùn)行帶來重大影響，直接關(guān)系到企業(yè)的盈利能力。因此，構(gòu)建科學(xué)的合理的供應(yīng)商評(píng)價(jià)體系，是船舶制造企業(yè)綜合評(píng)價(jià)供應(yīng)商的依據(jù)。

周期長、成本高等特點(diǎn)決定了船舶是一種特殊的產(chǎn)品，需要結(jié)合船舶自身的特點(diǎn)來構(gòu)建船舶供應(yīng)商評(píng)價(jià)指標(biāo)體系。綜合學(xué)者的研究成果與船舶公司實(shí)際狀況，本文認(rèn)為應(yīng)該從質(zhì)量、成本、交貨、柔性、財(cái)務(wù)與信譽(yù)狀況以及服務(wù)與管理水平6個(gè)方面構(gòu)建船舶供應(yīng)商的評(píng)價(jià)指標(biāo)體系。

二、基于遺傳神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)模型

1.BP神經(jīng)網(wǎng)絡(luò)在船舶供應(yīng)商評(píng)價(jià)中的應(yīng)用

BP神經(jīng)網(wǎng)絡(luò)模型是一個(gè)分層型網(wǎng)絡(luò)，具有輸入層、中間層和輸出層。供應(yīng)商評(píng)價(jià)指標(biāo)由輸入層到輸出層的傳遞是一個(gè)前向傳播的過程，若輸出結(jié)果與期望結(jié)果的誤差超過允許范圍，則誤差反向傳播，并根據(jù)各層誤差的大小來調(diào)節(jié)權(quán)值,尋找最佳權(quán)集，實(shí)現(xiàn)正確輸出?；贐P神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)模型結(jié)構(gòu)及學(xué)習(xí)原理如圖2所示。

2.基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型

BP算法是沿梯度下降(平方誤差函數(shù))來指導(dǎo)搜索的，學(xué)習(xí)過程收斂速度慢，易陷入局部極小點(diǎn)。而遺傳算法對(duì)于全局搜索具有較強(qiáng)的魯棒性和較高的效率，克服了BP網(wǎng)絡(luò)的局限性。將遺傳算法與BP網(wǎng)絡(luò)相結(jié)合,可以達(dá)到全局尋優(yōu)和快速高效的目的。

遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)模型的步驟是:（1)確定網(wǎng)絡(luò)參數(shù)；（2）設(shè)定的種群規(guī)模N，產(chǎn)生初始種群;（3)求N組網(wǎng)絡(luò)權(quán)系數(shù),得到具有相同結(jié)構(gòu)的N個(gè)網(wǎng)絡(luò);（4)求N組網(wǎng)絡(luò)權(quán)值對(duì)應(yīng)的N個(gè)網(wǎng)絡(luò)輸出;（5）網(wǎng)絡(luò)性能評(píng)價(jià);（6)若不滿足評(píng)價(jià)條件，由對(duì)染色體進(jìn)行遺傳選擇、變異和交叉操作，產(chǎn)生新的染色體，直到滿足評(píng)價(jià)函數(shù);（7)選擇一個(gè)最優(yōu)染色體作為網(wǎng)絡(luò)權(quán)重，進(jìn)行網(wǎng)絡(luò)的訓(xùn)練和評(píng)價(jià)。其工作流程如圖3所示。

三、應(yīng)用仿真算例

以中船公司的25家供應(yīng)商數(shù)據(jù)為基礎(chǔ)，采用matlab7.0編程，建立三層遺傳神經(jīng)網(wǎng)絡(luò)模型。

將前15家供應(yīng)商作為訓(xùn)練集，訓(xùn)練該網(wǎng)絡(luò)；其余10家供應(yīng)商作為測(cè)試集，模擬待評(píng)價(jià)的對(duì)象。設(shè)置誤差精度為0.00001。首先用遺傳算法，經(jīng)過450次優(yōu)化，得到全局最優(yōu)的網(wǎng)絡(luò)權(quán)值。然后以前15家供應(yīng)商的二級(jí)評(píng)價(jià)指標(biāo)為樣本，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)4700次訓(xùn)練，得出對(duì)應(yīng)的6個(gè)一級(jí)評(píng)價(jià)指標(biāo)的訓(xùn)練樣本;再以所得出的輸出值為樣本，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)4450次訓(xùn)練,訓(xùn)練出最終的遺傳神經(jīng)網(wǎng)絡(luò)模型，并用于綜合評(píng)價(jià)工作。輸入后10家供應(yīng)商二級(jí)評(píng)價(jià)指標(biāo)值，得到其一級(jí)評(píng)價(jià)指標(biāo)的輸出值,以該輸出值為輸入，計(jì)算出10家供應(yīng)商的綜合評(píng)價(jià)結(jié)果。見表。

四、結(jié)束語

基于遺傳神經(jīng)網(wǎng)絡(luò)的船舶供應(yīng)商評(píng)價(jià)模型借助BP神經(jīng)網(wǎng)絡(luò)的容錯(cuò)性和自適應(yīng)自學(xué)習(xí)能力克服了傳統(tǒng)評(píng)價(jià)方法在指標(biāo)權(quán)重賦值時(shí)存在的主觀隨意性問題，并用遺傳算法的優(yōu)化解決了BP存在的收斂速度慢的問題，為評(píng)價(jià)船舶供應(yīng)商提供了一條新的途徑。

參考文獻(xiàn):

[1]金朝光 紀(jì)卓尚 林 焰:船舶企業(yè)選擇供應(yīng)商的策略研究[J]. 計(jì)算機(jī)集成制造系統(tǒng),2003,9(10):886～890

[2]馬士華 林 勇 陳志祥:供應(yīng)鏈管理[M].北京:機(jī)械工業(yè)出版,2004

第9篇：神經(jīng)網(wǎng)絡(luò)原理范文

關(guān)鍵詞：交通事件自動(dòng)檢測(cè) BP神經(jīng)網(wǎng)絡(luò) Matlab仿真

1.前言

隨著高速公路車流量的越來越大，交通事件頻繁發(fā)生，給高速公路管理者帶來了諸多困擾，而且給國家和社會(huì)也帶來了不必要的損失[1]。

本文在國內(nèi)外學(xué)者研究的基礎(chǔ)上提出了基于BP神經(jīng)網(wǎng)絡(luò)的高速公路交通事件自動(dòng)檢測(cè)算法。將上下游車道占有率、流量、大型車所占比例作為BP神經(jīng)網(wǎng)絡(luò)的輸入，建立了神經(jīng)網(wǎng)絡(luò)模型。本算法可為高速公路事件檢測(cè)系統(tǒng)的建立提供理論基礎(chǔ)，對(duì)提高高速公路利用率和安全性有重要意義。

2.交通事件自動(dòng)檢測(cè)原理分析

正常情況下，高速公路上的交通流符合“連續(xù)車流”的規(guī)律[2]。當(dāng)T時(shí)刻發(fā)生交通事件后，由于道路通行能力的突然下降導(dǎo)致事發(fā)點(diǎn)上游出現(xiàn)交通擁擠，流量和車速下降，占有率上升；T+1時(shí)刻下游車道流量下降，車速上升，占有率下降；同時(shí)研究發(fā)現(xiàn)由于不同類型的車輛換車道行駛需要的時(shí)間和道路空間不同，上、下游車道中車型比例也有所變化。因此，交通事件自動(dòng)檢測(cè)的原理是通過分析高速公路上不同位置、不同時(shí)刻的交通參數(shù)變化來識(shí)別事件和非事件模式。

3.交通事件檢測(cè)的模型構(gòu)建

本研究采用三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，模型結(jié)構(gòu)圖如圖1所示。

輸入層：輸入層有6個(gè)神經(jīng)元節(jié)點(diǎn)代表交通流變化的交通參數(shù)。包括T時(shí)刻上游和T+1時(shí)刻下游的占有率、流量及大型車所占比例。

隱含層：對(duì)于隱含層神經(jīng)元節(jié)點(diǎn)數(shù)目nh的確定，有下列經(jīng)驗(yàn)公式[3]：

其中ni為輸入層節(jié)點(diǎn)數(shù)，no為輸出層節(jié)點(diǎn)數(shù)，本研究中ni=6，no=1，所以隱含層神經(jīng)元節(jié)點(diǎn)數(shù)nh =13。

輸出層：選擇一個(gè)輸出神經(jīng)元節(jié)點(diǎn)作為輸出，按照有無事件發(fā)生，以輸出節(jié)點(diǎn)為1表示有事件發(fā)生，輸出節(jié)點(diǎn)為0表示無事件發(fā)生。

4.事件檢測(cè)算法的Matlab實(shí)現(xiàn)與評(píng)估

4.1.數(shù)據(jù)預(yù)處理

本次研究采用陜西西安繞城高速上車檢器采集的1000組交通數(shù)據(jù)。其中500組用來訓(xùn)練網(wǎng)絡(luò)，包括輸入數(shù)據(jù)（交通參數(shù)）和目標(biāo)數(shù)據(jù)（事件狀態(tài)）。另外500組作為神經(jīng)網(wǎng)絡(luò)測(cè)試數(shù)據(jù)。在訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)之前先利用premnmx函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化處理，即 [pn，minp，maxp，tn，mint，maxt]=premnmx（p，t）。

4.2神經(jīng)網(wǎng)絡(luò)創(chuàng)建和初始化

利用newff函數(shù)創(chuàng)建一個(gè)新的神經(jīng)網(wǎng)絡(luò)：

net=newff（minmax（pn），[13，1]，{'tansig'，'purelin'}，'traingdx'， 'learngdm'）；

利用minmax函數(shù)設(shè)定輸入向量pn的元素的取值范圍；在訓(xùn)練BP網(wǎng)絡(luò)之前，必須對(duì)網(wǎng)絡(luò)的連接權(quán)值和閾值進(jìn)行初始化。

4.3.BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

將神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置為每50次顯示訓(xùn)練迭代過程；學(xué)習(xí)速率為0.05；動(dòng)量因子為0.9；

網(wǎng)絡(luò)訓(xùn)練次數(shù)為1500；訓(xùn)練目標(biāo)精度為1e-002；網(wǎng)絡(luò)最大失敗次數(shù)為5次。

調(diào)用train函數(shù)利用traingdx算法訓(xùn)練BP網(wǎng)絡(luò)：net=train（net，pn，tn）； BP網(wǎng)絡(luò)訓(xùn)練效果如圖2所示，由圖可見，經(jīng)過852次訓(xùn)練，經(jīng)過交通數(shù)據(jù)訓(xùn)練的網(wǎng)絡(luò)能快速收斂，效果良好。

4.4.BP神經(jīng)網(wǎng)絡(luò)仿真與測(cè)試

訓(xùn)練結(jié)束后，用剩下的500組數(shù)據(jù)作為測(cè)試樣本對(duì)網(wǎng)絡(luò)進(jìn)行測(cè)試，用tramnmx 函數(shù)對(duì)其進(jìn)行歸一化處理。然后運(yùn)用sim函數(shù)對(duì)BP網(wǎng)絡(luò)進(jìn)行仿真，仿真結(jié)果須用postmnmx函數(shù)進(jìn)行反歸一，這時(shí)的輸出數(shù)據(jù)才是真正的交通事件檢測(cè)結(jié)果，將小于0.5的事件狀態(tài)輸出為0，即無事件發(fā)生，大于0.5的事件狀態(tài)輸出為1，即有事件發(fā)生，計(jì)算檢測(cè)誤差并輸出圖形。結(jié)果如圖3所示，由圖可見檢測(cè)結(jié)果和訓(xùn)練結(jié)果能很好的擬合。

4.5.AID算法評(píng)估

交通事件自動(dòng)檢測(cè)算法最常用的性能評(píng)估指標(biāo)有檢測(cè)率、誤報(bào)率和平均檢測(cè)時(shí)間 [4]。本文對(duì)經(jīng)典加州算法和BP神經(jīng)網(wǎng)絡(luò)算法通過仿真

5.結(jié)語

本文采用BP神經(jīng)網(wǎng)絡(luò)算法來對(duì)高速公路交通事件進(jìn)行檢測(cè)。算法中將上下游大型車比例作為一個(gè)輸入是個(gè)創(chuàng)新點(diǎn)。運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法建立交通檢測(cè)模型，避免了傳統(tǒng)算法因人為建立的模型與實(shí)際情況不符而導(dǎo)致檢測(cè)不準(zhǔn)確的情況。通過Matlab仿真與測(cè)試證明本算法檢測(cè)交通事件性能較好。

參考文獻(xiàn)：

[1]靳引利，朱春平.高速公路信息設(shè)施的特性分析[J].中國水運(yùn).2007-10，（10）

[2]潘若禹.基于數(shù)據(jù)融合的高速公路交通異常事件檢測(cè)的研究[D].西安：長安大學(xué).2006