河北工业大学成人教育学院学报

  • 格式:pdf
  • 大小:341.64 KB
  • 文档页数:5
() 5 在留下部分重复上述试验, 即能快速搜索到理想的隐含层节点数 L 。并有如下关系:
E L = i}()E b ,(l,(2, () mnE a,()E g)E 9)…} () 2 这里, , …为【, , 99 12 ab中的黄金分割试验点位置。 」 这种优选算法充分考虑到能保证在隐节点数“ 频繁” 出现的区间中搜索出理想的结果, 另外若兼顾 到实际应用中高精度拟合的需要, 还可以将搜索区间做进一步拓展以求得逼近能力更强的隐含层节点
以 克服的 缺陷, 此限制了 因 其推广使用。由 于火灾报警事关重大, 提高探测可靠性和减少误报警率是消
防界一直关心的问题。
收稿日 2 6 0 一 3 期: 0 - 2 1 0 * 作者介绍: 夏太武(99 )男, 1 一 , 湖南邵阳学院信息与电 6 气工程系讲师, 主要从事人工智能与软计算的教学和科研工作。
1 问题的提出
随着城市中建筑特别是高层建筑的日 益密集, 益增长的火灾损失使人们认识到早期准确探测火 日 灾的重要性。传统的开关量式火灾传感器由于不能充分提取火灾信息而正逐渐被模拟量式火灾传感器 所替代。但目 前一般采用的信号处理方法只是简单门限判决, 仍然存在误报警率高、 探测灵敏度低等难
第z 期
夏太武等
人工神经网络在火灾探测中的应用
目 人 前, 工神经网 A N广 应 各 域〔] 信 处理、 识 络(N ) 泛 用于 个领 1 , 号 ,如 2 模式 别和自 控制 火灾自 动 等。
动探测从广义上来说也是一种模式识别问题, 是通过对火灾现象及机理的分析, 描述达到对火灾的判断 和识别。为此, 本文提出了一种基于人工神经网络的火灾自 动探测系统, 主要工作如下: () 1神经网络隐含层节点数的优选。采用黄金分割优选法寻找理想的隐含层节点数, 其搜索效率 高、 节省成本, 并使整个神经网络的结构设计得到全面优化。 () 2 学习算法的简化。在神经网络学习训练中, 采用优于 B 算法的 L P M算法, 其收敛速度快、 拟合 精度高, 识别效果好。
x+ =(, (l x) k) A 邓并回 步 30 k 到 骤()
() 6 停止。
23 火灾探测系统设计 . 火灾火情决策是一个复杂的过程, 它包括接收输入信号, 通过已知信息和经验的比较对输人信号进
行处理, 产生基于全部已知信息的输出。
传统的基于计算机决策系统是很简单的。它们依赖于单个传感器送来的信息, 根据输人信号的有 限信息做出判决。例如, 在烟雾判断系统中, 用电或光的方法探测烟的粒子, 当粒子达到了预定的阂值, 就会发出告警信号。这种方法仅需单个输人信号和单个决策点, 这就是传统火灾探测技术存在很高误 警率的主要原因。
2 Xagu Si ti ad cnl cl r a o Ld o C agh I 一 eh n , agh 400 , hn ) . nha e ic T h o 梦 a If m tn . hnsa T c Z e C nsa 0 1 C i i cnf n e o no i t f I o h 1 a
pt s u tn w t th s t ps s s m rs i p ci i s p fi ad ue i li so s ts e o e e t eto h h io n l in n r ao h m h i y m s s h a s e i f r sn a e g g e m t t
为此, 本文提出一种基于人工神经网络的火灾自 动探测系统, 如图1 所示。
o h i s r A s atT e t t no f e cm l ad ni n i i e lae I ts e,o le e bt c : d e i f i o p x s i at t ay . h ppr t s v t r h e co e n if g c n r g n a s i o a m h f i dt i b e n f a u a N t pol s h t i fed tcin, nw t d fe etn s o A i i Ne rl e- r e o io c ee t b m f r i s r e e o o r e co a d r i l r tc
() ab上确定第一个试验点的位置g = .1 x a + , 2在区间「,] , 068 ( 一 ) 并记录第一个试验点的试验 b a
结果 E g) (,。
() 3确定第二个试验点位置, , 即g的对称点处g= .8 x a + , 2 032 ( 一 ) 并记录试验结果E g)。 b a (2 () 较两次试验结果, 劣” 优” 4比 舍“ 取“ 。如果 g试验结果E &) , ( 为优( 即误差小)就去掉[, ] , a9 2 , 留下[2 ]如果 9试验结果 E ) gl ; b : (, 为优, g 就去掉(2 ], gl 留下[, 如果9, 试验结果一样, b ag] , ; 1: 9 就 去掉[, 和(1 , a9) g,]留下[2 1。 2 b 9, 〕 9
T e p ct n A tia N ua h A la o o rfi erl p i i f ic l
Newo k i F r D tci n ie ee t n t r s o
XA i u, E G g u2 I T - 'P N D - a aw i h n
《. atet n r ao ad c i l i en , oag i rt, yn 420 , a 1D pr n o I o tn Ee raE g e i Sayn U v sySa ag 40C i ; e m f m i n ltc n n r g h f n e i ho 2 h n
2 方法原理与系统设计
21 基于黄金分割的隐含层节点数的优化算法 .
隐 层节点 的 选取是神 络 设 最为 要的 个环节〔。由 含层的 数L 最优 含 经网 结构 计中 重 一 ’ 于隐 ] 节点数
与网络的逼近精度和泛化能力息息相关, 因此我们在充分考虑其逼近精度的同时, 尽量使其泛化能力较 强, 可以采用黄金分割优选法来确定合适的L 值。 设3 层前向神经网络输人层和输出层的节点数分别为 M和 N 理想的隐含层节点数 L , 一般在如下
河北工业大学成人教育学院学报
20 06年
了 r 、
J‘ 阵 , 二 a二 为 ( ( c矩 o b ・ ,
误差指标f数为 i i
ai ) ex ( a x j
了 不 、
 ̄、




E x =2 i ( ) 示L tl ie x = i

、 、 2
其学习 算法 体步骤如 ’ 训练 具 下〔: 〕 () 训 差 许 误 允 值二 系 o ,及初 化 值和 值向 (, = =o 1给出 练 、 数g尹 以 始 权 阂 量二) o令k -l0 0z , , /t () 输出 误 标函 (() 2计算网 络 及 差指 数E二) 。 ‘
范 内取 : 围选 川
_ < M+ + 0= _ a -2 <L ( N) 1 b =
M +N
() 1
基于黄金分割优选法的具体算法步骤如下。 () 1按照经验公式( 先计算 ab然后计算 E a ,() 1) ,, ()E b 。这里 E a ,( ) ()E b 表示神经网络的隐含 层节点数取值分别为 ab , 时的输出误差, 以下类似。
o te d e l ends t btr a ot c pr tB a ot . r us o - f h d n a r e ad ee L l r m a d P r m Te l oc h i y o n h t M i o e o l i e g h m g h h e t f s m
法的迭代式如下:
x l (+ 二 x 二) △ k=‘ + () 3 其中A = 〔' )() 川]‘ xe ) x 一J xJx + 一 () x ( J ( () 4 这 比 数A 0 数, 单位矩阵,x = ex,()., ()' 误差。 里, 例系 , > 为常 , 为 e ) ( () 2 ,.lx)为 ( l e x .e v
r nd e c n d h c e h f l e o p i n i ao c e w rsA N ip s t , h h l e t m t d g dn tn ld t ot itn o ( N ) s e e w i i u s e o o o e s i ape o h pmzi k
第 2 卷 第2 1 期 20 年6 06 月
河北工业大学成人教育学院学报
Ju ao A u E uao Shoo H bi vrt oTcnl y or l dl dctn ol ee U i sy eho g n f t i c f n e i f o
V l2 N . o.ain s e ,t n fce t to i f e tcin ac lt o p d iia ef in meh d i d e t . e s i
r e co r i l a e k tc w d e i M ot Ke w rs F e etn A i i nu l o s Gl n tn L Agrh y d : i dt i ; f a er nt r ; o e Sco ; l im o
() )() 3按式( , 分别计算矩阵Jx和A 0 5 4 () x
() Ex 一 (“’ I 二 M) £x一)< 转至() 则以x 为 4若I ( ) 6; 否 (” 权值和阂 算误 数Ex +) k + 值计 差函 ((l 0 l ) k () ((' < 二, 则令k k 1 =书, 到步骤()否则这次不更新权值和闺 令 k) (‘ , 5若Ex+) () E =+ u, 回 u 2; 值,
Jn 0 5 2 0 u .
人工神经网络在火灾探测中的应用
夏太武‘, ’ 彭京华2
(, 1湖南邵阳学院信息与电气工程系 邵阳 420 ; 湖南长沙高新区湘华科技信息公司 长沙 4001 200 . 2 1 1) 0