用BP神经网络及其改进算法改善传

用BP神经网络及其改进算法改善

传感器特性BP算法即多层网络误差反传算法，是近几年在传感器输出信号补偿技术领域中一种较新的方法，广泛应用于传感器信息处理、自动控制、通信等领域。但这种方法也有其固有的缺点，西安交通大学的张永怀博士及刘君华教授对此方法进行了深入的研究，提出了附加动量法、自适应参数变化法为主要内容的BP 神经网络改进算法，以对这种方法进行改善。

传感器是测量系统的核心部件，其输出特性直接影响整个系统的性能，提高传感器的精度具有十分重要的意义。传感器的输出受许多环境因素的影响，目前人们多采用软件补偿法来对传感器信号进行处理。传统的软件补偿常用回归法，但有时效果不明显，而BP 算法正是此领域的一种新方法，但这种方法收敛速度慢，容易收敛到局部最小点，所以如何改进这种方法受到了研究人员的普遍关注。张永怀博士及刘君华教授在对BP 算法进行研究的基础上，建议为避免BP 算法的上述缺陷，可采用附加动量法修正权值，并采用自适应参数调节法来缩短训练时间。即修正权值时，不仅考虑误差在梯度上的作用，且考虑误差曲面上变化趋势的影响，在正向传播的第一个权值变化上加上一项正比于前次权值变化量的值，并依反向传播产生新的权值变化。

附加动量法的实质是将最后一次权值变化的影响，通过一个动量因子传递，动量因子为0即为传统BP 算法，动量因子为1，新的权值增量设置为最后一次权值增量。同时二人还提出了权值修正调节公式，并对调节公式中的调节参数给出了确定方法，以利缩短训练时间。实践证明，这种改进的BP 算法可有效避免网络陷入局部最小点，而且可大幅度提高运算速度。运用此方法对传感器信号进行处理，结果表明，补偿后的传感器特性得到了大大改善，对于传感器受多种因素交叉影响的情况具有明显效果，这对于传感器的发展无疑起到了巨大的推动作用。