1、最新LabVIEW中BP神經(jīng)網(wǎng)絡(luò)的實現(xiàn)及應(yīng)用0 引 言LabVIEW是美國NI公司開發(fā)的高效圖形化虛擬儀器開發(fā)平臺，它的圖形化編程具有直觀、簡便、快速、易于開發(fā)和維護(hù)等優(yōu)點，在虛擬儀器設(shè)計和測控系統(tǒng)開發(fā)等相關(guān)領(lǐng)域得到了日益廣泛的應(yīng)用，它無需任何文本程序代碼，而是把復(fù)雜、繁瑣的語言編程簡化成圖形，用線條把各種圖形連接起來。BP神經(jīng)網(wǎng)絡(luò)屬于前饋神經(jīng)網(wǎng)絡(luò)，它廣泛應(yīng)用函數(shù)逼近、模式識別、分類和數(shù)據(jù)壓縮等領(lǐng)域，假設(shè)將神經(jīng)網(wǎng)絡(luò)與虛擬儀器有機結(jié)合，那么可以為提高虛擬儀器測控系統(tǒng)的性能提供重要的依據(jù)。1 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法BP模型是一種應(yīng)用最廣泛的多層前向拓?fù)浣Y(jié)構(gòu)，以三層BP神經(jīng)網(wǎng)絡(luò)作為理論依據(jù)進(jìn)行編程，它

2、由輸入層、隱層和輸出層構(gòu)成。設(shè)輸入層神經(jīng)元個數(shù)為I，隱層神經(jīng)元個數(shù)為J，輸出層神經(jīng)元個數(shù)為K，學(xué)習(xí)樣本有N個(x，Y，)向量，表示為：輸入向量Xx1，x2，xI，輸出向量l，Y1，Y2，Yx)，理想輸出向量為Ttl，t2，tK。(1)輸入層節(jié)點i，其輸出等于xi(i=1，2，I，將控制變量值傳輸?shù)诫[含層，那么隱層第j個神經(jīng)元的輸入： 其中：Wji是隱層第J個神經(jīng)元到輸入層第i個神經(jīng)元的連接權(quán)值。(2)隱層第J個神經(jīng)元的輸出： (3)神經(jīng)網(wǎng)絡(luò)輸出層，第k個神經(jīng)元的輸入為： 其中：Vkj是輸出層第k個神經(jīng)元到隱層第j個神經(jīng)元的連接權(quán)值。(4)神經(jīng)網(wǎng)絡(luò)輸出層，第志個神經(jīng)元的輸出為： (5)設(shè)定網(wǎng)絡(luò)誤

3、差函數(shù)E： (6)輸出層到隱層的連接權(quán)值調(diào)整量Vkj： (7)隱層到輸入層的連接權(quán)值調(diào)整量wji： 2 用LabVlEW實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的兩種方法用LabVIEw實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的兩種方法為：(1)由于Matlab具有強大的數(shù)學(xué)運算能力以及在測控領(lǐng)域的廣泛應(yīng)用。在LabVIEW中提供了MatlabScript節(jié)點，用戶可在節(jié)點中編輯Matlab程序，并在LabVIEW中運行；也可以在LabVIEW程序運行時直接調(diào)用已經(jīng)存在的Matlab程序，如使用節(jié)點那么必須在系統(tǒng)中安裝：Matlab5以上版本，在寫入Matlab節(jié)點前要將程序先調(diào)試通過，并確保其中變量的數(shù)據(jù)類型匹配。(2)由于LabVIEW

4、的圖形程序是獨立于運行平臺的，而且是一種數(shù)據(jù)驅(qū)動的語言，可以方便地實現(xiàn)算法且易修改，結(jié)合其SubVI技術(shù)可以增加程序的利用率，因此可以采用圖形編程的方法實現(xiàn)前向網(wǎng)絡(luò)的算法。21 利用Matlab Scriipt節(jié)點實現(xiàn)在此以對一個非線性函數(shù)的逼近作為例子來說明實現(xiàn)流程，其中輸入矢量p=一1：O05：1；目標(biāo)矢量fsin(2。pi*p)+01randn(size(p)。利用Matlab Script節(jié)點實現(xiàn)BP算法的過程如下：(1)新建一個LabVIEw vi，在框圖程序中添加Matlab Script節(jié)點。(2)在節(jié)點內(nèi)添加Matlab的動量BP算法實現(xiàn)代碼，并分別在節(jié)點左右邊框分別添加對應(yīng)的

5、輸入輸出參數(shù)，如圖1所示。(3)在vi的前面板添加相應(yīng)的控件，設(shè)置輸入?yún)?shù)，連接輸出控件。執(zhí)行程序，結(jié)果如圖2、圖3所示。 此方法能夠直接利用Matlab強大的神經(jīng)網(wǎng)絡(luò)工具箱，程序運行時會自動調(diào)用系統(tǒng)中已安裝的Matlab進(jìn)行計算，不用進(jìn)行復(fù)雜的編程，開發(fā)效率很高。22 利用圖形編程實現(xiàn)LabVIEw是美國NI公司推出的基于圖形化編程的虛擬儀器軟件開發(fā)工具，它無需任何文本程序代碼，而是把復(fù)雜、繁瑣的語言編程簡化成圖形，用線條把各種圖形連接起來。在此以一個設(shè)備狀態(tài)分類器設(shè)計作為例子來說明實現(xiàn)流程輸入，該設(shè)備有8個輸入分量，即溫度、濕度等外部條件；而輸出狀態(tài)那么有3種，分別為正常、偏小、偏大。這里

6、采用12個訓(xùn)練樣本，每個樣本有8個分量，3類輸出分別編碼為(O 1)，(1 0)，(1 1)，以下即為輸入樣本及標(biāo)準(zhǔn)輸出數(shù)據(jù)(見圖4、圖5)。 BP神經(jīng)網(wǎng)絡(luò)隱層輸入在LabVIEw中的實現(xiàn)。根據(jù)BP學(xué)習(xí)算法中式(1)編寫相應(yīng)的程序。其中x為輸入樣本；w為隱層輸入權(quán)值，主要應(yīng)用LabVIEw中的函數(shù)一數(shù)學(xué)一線性代數(shù)一矩陣AB實現(xiàn)權(quán)值與輸入樣本的矩陣相乘，并通過For循環(huán)計算得到BP神經(jīng)網(wǎng)絡(luò)的隱層輸人H(見圖6)。(2)BP神經(jīng)網(wǎng)絡(luò)隱層輸出H的圖形化程序。根據(jù)算法中的式(2)編寫，由于在很多測試實踐中參數(shù)間的關(guān)系是非線性的，這里主要應(yīng)用Sigmoid型tansig函數(shù)作為隱層的傳遞函數(shù)，主要應(yīng)用程

7、序面板中函數(shù)一數(shù)學(xué)一數(shù)值及根本與特殊函數(shù)等數(shù)學(xué)控件實現(xiàn)(見圖7)。(3)BP神經(jīng)網(wǎng)絡(luò)輸出層的輸入及輸出程序框圖與隱層的類似，分別根據(jù)式(3)、式(4)編程即可實現(xiàn)，在此不再重復(fù)。(4)網(wǎng)絡(luò)誤差函數(shù)E的圖形化程序。根據(jù)算法中式(5)編寫程序，其中：t為理想輸出，y為網(wǎng)絡(luò)輸出。其中應(yīng)用函數(shù)一數(shù)學(xué)一根本與特殊函數(shù)中的指數(shù)函數(shù)控件來實現(xiàn)(見圖8)。 (5)BP神經(jīng)網(wǎng)絡(luò)各參數(shù)調(diào)整量的圖形化程序根據(jù)上述學(xué)習(xí)算法中的式(6)和式(7)，其中：x為網(wǎng)絡(luò)輸入樣本；y，分別為網(wǎng)絡(luò)實際輸出和期望輸出；h為隱層輸出；v為隱層輸出權(quán)值。通過調(diào)用LabVIEw軟件中數(shù)學(xué)計算控件，經(jīng)過一系列數(shù)學(xué)計算，分別得到網(wǎng)絡(luò)隱層輸出權(quán)值調(diào)整量v以及隱層輸入權(quán)值調(diào)整量w，如圖9、圖10所示。(6)完整的學(xué)習(xí)算法的圖形化程序。將以上各個程序模塊綜合在一起，可以得到完整的學(xué)習(xí)算法實現(xiàn)程序，如圖11所示。 通過設(shè)定網(wǎng)絡(luò)的輸入樣本z、輸出期望t、隱層輸入權(quán)值w，輸出v的初始值，經(jīng)過一系列的矩陣運算，獲得調(diào)整后隱層權(quán)值w,v參數(shù)值。運行結(jié)果如圖12所示，由圖可以非常直觀看出，網(wǎng)絡(luò)輸出與網(wǎng)絡(luò)理想輸出相當(dāng)接近，說明網(wǎng)絡(luò)訓(xùn)練的結(jié)果是滿意的。 3 結(jié)