产品详情
理论分析证明,具有单隐层的网络就可以映射出所有的连续函数,只有当映射的函数不连续时才会考虑到设计两个隐层,因此,BP 网络最多只需要设计两个隐层即可〔5〕。本研究中设计了单隐层的网络结构,从仿真结果可以得出结论,单隐层结构的 BP 网络就可以很好地满足设计要求。
BP 神经网络中,隐节点数太少,网络学习能力差,难以体现样本规律;隐节点数太多,可能出现过度吻合,降低了泛化能力。隐含层节点数的设计一般采用试凑法〔6〕。本研究选择7~12 为节点数,通过仿真选取最佳隐节点数。
2 BP 神经网络仿真
2.1 BP 神经网络模型建立
创建BP 神经网络,利用最快梯度下降的BP 算法训练数据。将表 1 中前7 组数据作为网络训练样本,1-8 组数据作为网络测试样本。输入层节点为 3,隐层节点为7~12,输出层节点为1。利用mapminmax 函数对数据样本进行区间化,使整个数据无量纲,隐层采用tansig 激活函数,输出层采用线性激活函数。学习因子设置为0.05,训练步长为5 000,网络目标误差设为0.001。当隐层节点数为10 时,网络模型见图 1。
下一个:电镀污水处理