柔性電子神經(jīng)網(wǎng)絡(luò)計算機結(jié)構(gòu)和原理論文
摘 要：本文以開發(fā)系統(tǒng)的觀點描述了一種新的神經(jīng)網(wǎng)絡(luò)計算機體系結(jié)構(gòu)，它以其可開發(fā)性和靈活性區(qū)別于其他各種神經(jīng)網(wǎng)絡(luò)計算機，應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究過程。基于柔性神經(jīng)網(wǎng)絡(luò)計算機體系設(shè)計，文中提出了一種神經(jīng)網(wǎng)絡(luò)分解撕裂算法，為ＶＬＳＩ神經(jīng)芯片的設(shè)計提供了
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)計算機論文
本文以開發(fā)系統(tǒng)的觀點描述了一種新的神經(jīng)網(wǎng)絡(luò)計算機體系結(jié)構(gòu)，它以其可開發(fā)性和靈活性區(qū)別于其他各種神經(jīng)網(wǎng)絡(luò)計算機，應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究過程。基于柔性神經(jīng)網(wǎng)絡(luò)計算機體系設(shè)計，文中提出了一種神經(jīng)網(wǎng)絡(luò)分解撕裂算法，為ＶＬＳＩ神經(jīng)芯片的設(shè)計提供了一條新途徑。
網(wǎng)絡(luò)毛病檢測所指的是檢測對象一旦有某種毛病呈現(xiàn)，就立刻對其實行檢測，從而找出引發(fā)網(wǎng)絡(luò)異常的要素。網(wǎng)絡(luò)毛病檢測主要分紅三個階段，分別是采集信息、提取毛病征兆以及辨認狀態(tài)，能夠說，毛病的檢測，最基本之處就在于對毛病征兆集至毛病狀態(tài)集之間所存在的非線性映射停止求解，在各種各樣的神經(jīng)網(wǎng)絡(luò)模型中，得到最普遍應(yīng)用的就應(yīng)該是BP模型了，針對此經(jīng)過BP算法來停止計算機網(wǎng)絡(luò)毛病的檢測。
1 BP神經(jīng)網(wǎng)絡(luò)毛病檢測原理及算法
1.1 BP神經(jīng)網(wǎng)絡(luò)實行毛病檢測的根本原理
所謂的BP神經(jīng)網(wǎng)絡(luò)模型，它主要依托一個輸入和與之相對應(yīng)的輸出來和外界產(chǎn)生聯(lián)絡(luò)，神經(jīng)網(wǎng)絡(luò)模型鍛煉主要是經(jīng)過對樣本數(shù)據(jù)的充沛采集與 BP算法的有機分離來實行的，經(jīng)過這一措施，來使得神經(jīng)網(wǎng)絡(luò)越來越和組合導航系統(tǒng)中最原始的算法模型所具有的非線性的這一特征簡直分歧。詳細來說，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)來實行毛病檢測的根本原理主要包括兩個局部，第一個局部是要保證具有足夠的樣本數(shù)量來和神經(jīng)網(wǎng)絡(luò)鍛煉之所需相滿足，并在此根底上來得出所希冀的診斷網(wǎng)絡(luò)。第二個局部，就是經(jīng)過診斷輸入，來對神經(jīng)網(wǎng)絡(luò)停止充沛的應(yīng)用，從而有效施行毛病檢測。需求留意的是，在對其實行毛病檢測之前，所需求做的就是對原始的數(shù)據(jù)，對鍛煉樣本的數(shù)據(jù)等等做出相關(guān)的處置，所謂的處置，主要包含了兩步，第一是預(yù)處置，第二是特征的提取，只要經(jīng)過這兩個步驟，才干夠為網(wǎng)絡(luò)診斷提供愈加合適的診斷輸入和愈加有效的鍛煉樣本。
其中，需求惹起留意的有三局部的內(nèi)容，第一，對網(wǎng)絡(luò)構(gòu)造肯定的一個關(guān)鍵所在就是要對網(wǎng)絡(luò)構(gòu)造的范圍停止合理且科學確實定，特別是對其中的網(wǎng)絡(luò)中間層神經(jīng)元來講，其個數(shù)的選擇尤為重要。第二，要留意對鍛煉的樣本以及測試的樣本停止肯定。所謂的鍛煉樣本，其所具有的最主要的作用是對網(wǎng)絡(luò)停止鍛煉；所謂的測試樣本，其所具有的主要作用就是要在前者的根底之上，來停止效果的監(jiān)測。第三，需求做的就是要分離上述鍛煉樣本的結(jié)果和測試樣本的結(jié)果，來將兩者有機的分離起來，從而最大限度的完成和神經(jīng)網(wǎng)絡(luò)的分歧性，進而有效停止毛病的檢測。
1.2 BP神經(jīng)網(wǎng)絡(luò)的檢測算法
關(guān)于神經(jīng)網(wǎng)絡(luò)的檢測來講，和其他檢測不同的是，它并不需求事前把相關(guān)的形式經(jīng)歷學問以及相關(guān)的函數(shù)判別等等羅列出來，由于它是一種具有自順應(yīng)性的形式，可以對本身的學習機制停止充沛的應(yīng)用，來構(gòu)成一個決策區(qū)域。網(wǎng)絡(luò)在停止某一種映射關(guān)系的取得的時分，需求經(jīng)過狀態(tài)信息來對各種狀態(tài)的信息停止鍛煉，這一映射關(guān)系，會隨著環(huán)境的不時改動而自行停止調(diào)整，從而和瞬息萬變的環(huán)境相順應(yīng)。它的詳細算法是：
輸入：net=
輸出：y=
輸出的導數(shù)為 =y（1-y）
BP神經(jīng)網(wǎng)絡(luò)的構(gòu)成，主要是經(jīng)過多種神經(jīng)元之間完成互相的銜接而完成的，它所具有的最主要特性就是單向傳播，是一種多層前向的網(wǎng)絡(luò)，它主要分紅三個層次，也就是輸入層、中間層以及輸出層，其中，中間層還能夠分紅若干個層次，并且關(guān)于其中每一層的神經(jīng)元來講，它只對前一層的神經(jīng)元輸出予以承受。不只如此，BP神經(jīng)網(wǎng)絡(luò)當中并沒有反應(yīng)的存在，在同一層中的不同節(jié)點來講，它們之間是不會構(gòu)成相關(guān)的耦協(xié)作用的，它所可以影響的也只是下一層節(jié)點的輸入。
2 基于神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)毛病檢測措施
2.1 經(jīng)過神經(jīng)網(wǎng)絡(luò)來實行毛病檢測的措施
（1）形式辨認神經(jīng)網(wǎng)絡(luò)。所謂的毛病檢測，實踐上需求做的是停止形式分類和形式的辨認，在傳統(tǒng)意義上的形式辨認技術(shù)，它在停止形式的分類的時分，根本上采用的方式都是經(jīng)過對函數(shù)的辨認停止充沛的應(yīng)用，來對每一個類別實行劃分。那么，在這樣的劃分形式下，我們假定形式樣本的特征空間為N維歐氏空間，同時假定形式的分類為M類，這樣，我們就能夠從數(shù)學形式上來對其停止分類，詳細分類方式就是：經(jīng)過對朱超平面方程的定義，來對N維歐氏空間盡可能地完成最佳分割，并且這一分割的決策區(qū)域是M這樣的問題。但是，在詳細的理論中，假如要對復雜的決策區(qū)域停止分割，那必定是非常艱難的。所以，必需要精確的選出最合適的函數(shù)判別式，來在辨認中對函數(shù)相關(guān)的參數(shù)停止辨認，從而停止相關(guān)的修正措施。
（2）毛病預(yù)測神經(jīng)網(wǎng)絡(luò)。關(guān)于毛病預(yù)測神經(jīng)網(wǎng)絡(luò)來講，它的完成，主要是經(jīng)過兩種方式來完成的，第一種方式是，把神經(jīng)網(wǎng)絡(luò)作為主要的函數(shù)迫近器，餅子啊次根底上萊迪機組工況的某一些參數(shù)實行擬合預(yù)測看，這一種方式，最常見的就是本文所研討的BP網(wǎng)絡(luò)就。第二中方式是充沛對輸入和輸出這兩者之間的關(guān)系停止思索，之后，采用帶反應(yīng)銜接的動態(tài)神經(jīng)網(wǎng)絡(luò)來針對詳細的過程或者詳細的工作狀況參數(shù)，來吧動態(tài)的模型樹立起來，從而實行毛病預(yù)測。但是從目前其應(yīng)用水平來看，得到最普遍的應(yīng)用的應(yīng)該就是基于多層的前饋網(wǎng)絡(luò)。
如今，我們站在系統(tǒng)區(qū)分的角度之上，來看前饋網(wǎng)絡(luò)，它所代表的僅僅只是那些可以經(jīng)過代數(shù)的方程，就可以停止靜態(tài)映射的掃描，從而實行靜態(tài)預(yù)測的描繪，假如把它用在設(shè)備的動態(tài)建模和動態(tài)預(yù)測當中，毫無疑問會遭到很大的限制。所以，我們能夠說，動他的神經(jīng)網(wǎng)絡(luò)預(yù)測，也就是一個動態(tài)時序建模的過程。
（3）專家診斷神經(jīng)網(wǎng)絡(luò)。所謂的專家診斷神經(jīng)網(wǎng)絡(luò)，也就是把神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)兩者之間停止有機的分離，這一有機分離的費那個是主要有兩個，第一個是，把專家系統(tǒng)來組合成為神經(jīng)網(wǎng)絡(luò)，細致來講，也就是要針對傳統(tǒng)的專家系統(tǒng)，來把其中的樹立在符號上的推理直接轉(zhuǎn)變成為樹立在數(shù)值運算上的推理，這樣做的最基本目的就是要把專家系統(tǒng)所具有的執(zhí)行效率大大提升，并在此根底上來對其學習才能停止充沛的應(yīng)用，從而把專家系統(tǒng)中的學習問題徹底處理好。第二個是，把神經(jīng)網(wǎng)絡(luò)看成是一種學問源的詳細表達以及詳細處置的模型，經(jīng)過把這一模型和其他的相關(guān)學問表達模型的有機分離，來把范疇專家的學問充沛的表達出來。總的來講，樹立在神經(jīng)網(wǎng)絡(luò)根底上的毛病檢測專家系統(tǒng)，是一種新的學問表達系統(tǒng)，它是經(jīng)過對大量的節(jié)點的一些簡單處置，是經(jīng)過單元與單元之間的互相作用來完成信息處置的。
這一方式，經(jīng)過對網(wǎng)絡(luò)信息的堅持性的充沛應(yīng)用，來把其中的那些不是很準確的診斷推理完成，是一種簡單且有效的方式。
2.2 神經(jīng)網(wǎng)絡(luò)毛病檢測的詳細應(yīng)用
在普通狀況下，招致網(wǎng)絡(luò)毛病的要素不外乎是在設(shè)置上呈現(xiàn)了問題，關(guān)于這類緣由惹起的毛病，我們能夠把著手點放在軟件上面，經(jīng)過這一動手點，來實行毛病的檢測，關(guān)于把網(wǎng)絡(luò)的設(shè)置矯正確了，對本地機主的測試也經(jīng)過了，但是，他和與之相鄰的主機卻是不同的，并且，在這一時分，和交流機相銜接的端口沒有呈現(xiàn)網(wǎng)線的松動狀況，那么，需求做的就是停止TCP/IP 的重新裝置。將詳細一點，也就是假如系統(tǒng)處于正常運轉(zhuǎn)的狀態(tài)的話，實踐上，這一時分的殘差是和高斯白噪聲序列最為接近的時分，這是，期均值就近乎為零，這時，我們把協(xié)方差上界用以下的式子來表示：
U（k）=
其中U（k）所表示的是協(xié)議方差，它是會隨著k的變化而呈現(xiàn)不同的統(tǒng)計特性，假如我們定義一些隨機變量，采用的方式是：
需求指出的是， 我們能夠以為其就是服從于 的散布的，所以，上述的式子又能夠表示成為：
從上述的式子中，我們能夠用字母N來表示數(shù)據(jù)床的長度，那么，假如系統(tǒng)是處于正常運轉(zhuǎn)的狀態(tài)的話，d（k）的數(shù)值就會很小；反過來講，假如系統(tǒng)正處于突發(fā)性毛病的狀態(tài)的話， 就不可以和白噪聲的特性相滿足，所以， ，其中所標示的是閾值，H0所表示的是正常模態(tài)，經(jīng)過理論，假如有毛病發(fā)作，那么只需求停止一步時延，d（k）就會發(fā)作明顯的變化，由此來對網(wǎng)絡(luò)毛病停止檢測。
3 完畢語
總之，到目前為止，網(wǎng)絡(luò)毛病診斷的一個最主要開展趨向就是采用智能化的檢測技術(shù)來忘性，而神經(jīng)網(wǎng)絡(luò)有著極佳的非線性映射，有著極強的自順應(yīng)才能，從而日益被普遍的應(yīng)用到網(wǎng)絡(luò)毛病的檢測當中，也能夠說，這是一種值得深化推行的技術(shù)。
【柔性電子神經(jīng)網(wǎng)絡(luò)計算機結(jié)構(gòu)和原理論文】相關(guān)文章：
教育論文的結(jié)構(gòu)和要求03-08
計算機神經(jīng)網(wǎng)絡(luò)安全評析論文02-20
論文提綱結(jié)構(gòu)11-14
電子商務(wù)的組織結(jié)構(gòu)設(shè)計論文范文12-04
管理學原理的論文05-16
編碼原理課程改革論文03-19
化工原理課程改革論文01-08
反復插層對高嶺石結(jié)構(gòu)和性能的影響淺析論文03-03
神經(jīng)網(wǎng)絡(luò)的計算機配色系統(tǒng)01-08
- 相關(guān)推薦