用BP神經網絡及其改進算法改善

傳感器特性BP算法即多層網絡誤差反傳算法，是近幾年在傳感器輸出信號補償技術領域中一種較新的方法，廣泛應用于傳感器信息處理、自動控制、通信等領域。但這種方法也有其固有的缺點，西安交通大學的張永懷博士及劉君華教授對此方法進行了深入的研究，提出了附加動量法、自適應參數變化法為主要內容的BP 神經網絡改進算法，以對這種方法進行改善。

傳感器是測量系統的核心部件，其輸出特性直接影響整個系統的性能，提高傳感器的精度具有十分重要的意義。傳感器的輸出受許多環境因素的影響，目前人們多采用軟件補償法來對傳感器信號進行處理。傳統的軟件補償常用回歸法，但有時效果不明顯，而BP 算法正是此領域的一種新方法，但這種方法收斂速度慢，容易收斂到局部最小點，所以如何改進這種方法受到了研究人員的普遍關注。張永懷博士及劉君華教授在對BP 算法進行研究的基礎上，建議為避免BP 算法的上述缺陷，可采用附加動量法修正權值，并采用自適應參數調節法來縮短訓練時間。即修正權值時，不僅考慮誤差在梯度上的作用，且考慮誤差曲面上變化趨勢的影響，在正向傳播的第一個權值變化上加上一項正比于前次權值變化量的值，并依反向傳播產生新的權值變化。

附加動量法的實質是將最后一次權值變化的影響，通過一個動量因子傳遞，動量因子為0即為傳統BP 算法，動量因子為1，新的權值增量設置為最后一次權值增量。同時二人還提出了權值修正調節公式，并對調節公式中的調節參數給出了確定方法，以利縮短訓練時間。實踐證明，這種改進的BP 算法可有效避免網絡陷入局部最小點，而且可大幅度提高運算速度。運用此方法對傳感器信號進行處理，結果表明，補償后的傳感器特性得到了大大改善，對于傳感器受多種因素交叉影響的情況具有明顯效果，這對于傳感器的發展無疑起到了巨大的推動作用。