PK10开奖记录

未来智讯 > 神经网络论文 > 基于BP神经网络的粉碎障碍模式识别

基于BP神经网络的粉碎障碍模式识别

发布时间:2019-04-26 01:05:26 文章来源:未来智讯    
基于窒息物质模型的BP神经网络识别作者:张秋浩,孟宪辉,郭洪哲,孙柏青摘要:BP神经网络理论扼杀了模式识别问题,转移思想是人们对全向,器官的一种基于神经网络的分类 BP算法利用超声障碍物传感器收集障碍物距离信息作为输入,确定所需的分类模式作为输出,确定训练样本库中的数据,并训练BP神经网络分类器中的参数; matlab软件用于训练过程。 仿真,这种阻塞模式的BP神经网络分类,可以在训练过程中获得较小的分类偏差,并用测试样本测试自然分类器,并获得准确的游戏。 因此,BP神经网络分类器可用于对人周围障碍物的模式进行分类。 关键词:避障; 模式识别; 全向移动器; 超声波传感器 BP神经网络; 样本库; 分类偏差; 仿真中图分类号:TP242.6文献标识码:基于BP神经网络模式识别的障碍张秋浩,孟宪辉,郭洪澈,孙柏青(沉阳工业大学,沉阳110870)摘要:采用BP神经网络理论 网络实现障碍物的模式识别。 根据全方位移动机器人的特点,构造了一种基于BP算法的神经网络分类器。将超声传感器获取的障碍物距离作为输入,分类模式作为输出,然后训练BP神经网络参数。 分类器通过训练sa中的数据用Matlab软件模拟训练过程。 在训练期间,通过采用测试样本来测试分类器,这种模式分类可以获得更少的错误并获得正确的重新组合。 表明这种BP神经网络分类器可以有效地对障碍物进行模式分类关键词:避障;模式分类;全方位移动机器人;超声波传感器; BP神经网络;样本库;分类错误;计算机simulink有很多学者 谁对该算法进行了深入的研究。 在导航过程中,障碍物的模式识别是一种认识当前情况的严肃方法。 这是识别适合人的特征的障碍的好方法。 屏障算法的基础。 人工神经网络还有许多应用来分类和识别障碍模式[1-2]。 在通过模式识别识别的几种神经网络模型中,BP模型是最常用的。 它的非线性映射能力是确保在各种简单或混乱分类中实现胜利的主要原因,而并行布局可加快操作速度。 更严重的是,它在相干权系数中分配信息,使网络具有高度的容错性和鲁棒性,有效地解决了模式分类和识别中广泛的噪声停滞和输入模式的局部损失。 问题[3]。 1 BP神经网络分类器的布局和机理1.1 BP神经网络布局BP神经网络又称偏差后向扩散神经网络[4],它是一个非线性变换单位的多层前馈网络。 通常,它由输入层,输出层和隐式层组成。 隐藏层可以是一个或多个层。 根据Kolmogorov定理(1957)[5],三层BP网络可以任意完成m维到q维的映射,也就是说,通常只需要一个隐藏层。足够。 同时,从简洁应用的角度来看,它还提倡使用包含n个神经元的隐含层。 权重在输入层和隐藏层之间以及隐藏层和输出层之间协商以表示联合强度。 这是三层BP神经网络布局(图3-1)。 输入层输入向量X = [x1,x2,...,xi,... xm] T,隐藏层输出向量为Y = [y1,y2,...,yj,... yn] T,输出 层输出向量对于Z = [z1,z2,...,zk,... zq] T,期望输出向量为T = [t1,t2,...,tk,... tq] T. 输入层和隐藏层之间的权重矩阵由A,A = [a1,a2,...,aj,... an]表示,列向量aj是对应于第j个神经元的权重向量。 隐藏层。 隐藏层和输出层之间的权重矩阵由B,B = [b1,b2,...,bk,... bq]表示,列向量bk是对应于第k个神经元的权重向量。 输出层。 。 1.2 BP算法BP算法基于以下事实:训练过程包括两个过程:信号的前向传播和偏差的反向传播。 从信号的前向传播,这里f(*)是神经元激励函数,隐藏层是yj = f(netj)j = 1,2,...,n(1)netj = aijxi j = 1 ,2,...,n(2)输出层有zk = f(netk)k = 1,2,...,q(3)netk = bjkyj k = 1,2,...,q( 4)让我们看一下偏差的反向扩散和重量的校正。 BP算法在非线性规划中选择最速落法。 根据偏差函数的负梯度修改权重系数。 定义偏差函数E,将预期输出和实际输出之差的平方和作为偏差函数,则:E = 12(TZ)2 = 12(tk-zk)2 k = 1,.... ..,q(5)进一步扩展到输入层E = 12 {tk-f [bjkf(aijyi)]} 2的k = 1,...,nj = 1,...,ni = 1。 从上面的等式可以看出,网络输入偏差是每层的权重aij,bjk的函数,并且偏差E可以通过中介权重来改变。 调节权重的原则是连续减少偏差,使得权重的中介量应与偏差的负梯度成比例,即:△aij = i = 1,2,...,mj = 1, 2,...,n(7)△bij = j = 1,2,...,nk = 1,2,...,q(8)负号表示梯度下降,η∈(0,1)表示训练率。 每层的层加权过程在一轮中进行。 调解和调解的过程是网络培训的过程。 不允许未解决的调解权重和新数据参与,这可以逐渐减少偏差。 2构建BP神经网络分类器布局模式识别的分类问题归根结底是模式属性空间的分区问题或映射问题。 BP网络的输入输出关系可以看作是一种高度非线性的映射关系,其信息处理能力来自简单非线性函数的多次重组。 根据BP网络布局定理和相关属性,每个人都知道隐藏层BP网络可以接近封闭区间中的暂停功能,即可以完成三层BP网络。 随机的n维到q维映射。 BP网络分类器基本上是关于天体类的警告,这意味着我们可以应用BP网络分类器来完成从情境信息到情境分类的映射。 在受试者中使用的受试者的移动头(图2)是全向移动头结构(图2-a是顶视图),并且轮是全向轮(图2-b)。 当车轮扭曲时,车轮中心相对较大的速度是轮毂速度和滚子转速的组合,以及垂直方向。 这种布局的轮子可以在驱动力的作用下前进或后退,并且在受到侧向外力时可以横向释放,从而可以实现机器人的适当组合以及原位运动和原始 地方可以实现。 转向运动,以及这两种运动的综合[6]。 全向移动头的组合可用于全方位运动和现场转向,周围障碍物的分类更具体,更接近现实。 本讨论将围绕它的障碍模式分为10类(图3)。 为了减少输出层中神经元的数量,我们进行处理并选择二进制代码作为输出的指示矢量。 类10由4位的二进制代码表示,例如0000,0001,...,1010等。 因此,输出层中的神经元数量是四个,即k = 4。 移动心灵的人的情况是一个二维空间,它只对障碍物的形状和与身体的距离敏感,因此机器人和周围的情况障碍物的距离被用作 BP神经网络分类器的输入。 NU40C10T / R-2超声波传感器和AT89S51单片机用于构建测量周围环境障碍的系统[7]。 NU40C10T / R-2超声波传感器的偏转角为60±15°,标称频率为40 kHz。 AT89S51单片机确定RS232接口电路和PC相干机械工程与应用,2001,(5):122。江红,曾立波,等。 优化BP神经网络分类器的设计与实现[J]。 计算机工程与应用,2001,(5):122。 [5]焦立成。 神经网络系统理论[M]。 西安:西安电子科技大学出版社,1996。焦立成。 神经网络理论[M]。西安:西安电子科技大学出版社,1996。[6]杨俊友,李庆余等。 下肢愈合机器人的布局设计与动力学仿真[J]。 沉阳工业大学学报,2010,(5):514-519。 杨俊友李玉清等 下肢康复机器人的机械结构设计与动力学仿真[J]。 沉阳工业大学学报,2010,(5):514~519。 [7]廖毅,何汉根等。 测距系统中远程超声传感器的设计与应用[J]。 传感器与仪器:2009,(25):90~92。廖毅,何汉根,等。 距离测距超声传感器在系统设计中的应用[J]。 传感器与仪器,2010,(5):514~519。[8]施晓霞,陈一平,等。 神经网络在应用科学与工程中的应用 - 从基本源到混沌模式识别[M]。 北京:机械工业出版社,2009.7。 史小霞,陈义民,等。 应用科学与工程中的神经网络 - 从基本原理到comPlex模式识别[M]。北京:机械工业出版社,2009.7。 [9]董长虹.MATLAB神经网络及其应用[M]。北京:北京航空航天大学出版社,2005。董昌红.MATLAB神经网络与应用[M]。 北京:航空航天大学出版社,2005。[10]高伟。 人工神经网络的原理与仿真[M]。 北京:机械工业图书学会,2003。高勇。人工神经网络与仿真实例[M]。 北京:机械工业出版社,2003。 沉阳市皇姑区西江街8号1-4-2号<15040250620
转载请注明来源。原文地址:http://tangtes.cn/page/2019/0426/86637/
 与本篇相关的热门内容: