莊強 張溪

摘 要： 科學技術(shù)的進步推動了神經(jīng)網(wǎng)絡技術(shù)的發(fā)展，且廣泛地應用于我國的多個領(lǐng)域之中，實現(xiàn)了復雜問題的簡單化，大大提高了工作人員的工作效率。本文對多神經(jīng)網(wǎng)絡集成方法進行了概述，并詳細分析闡述了在BP網(wǎng)絡集成的基礎上進行非線性的研究案例。

關(guān)鍵詞： 神經(jīng)網(wǎng)絡知識庫 多神經(jīng)網(wǎng)絡集成 方法研究

隨著我國科學技術(shù)的不斷發(fā)展，神經(jīng)網(wǎng)絡技術(shù)已經(jīng)獲得廣泛的應用，在我國的多個領(lǐng)域中使用，且已經(jīng)小有成就。但是在使用的過程中還不成熟，仍存在很大的不足和問題，這就需要工作人員進行反復的試驗和計算，以獲得有關(guān)于神經(jīng)網(wǎng)絡的模型。神經(jīng)網(wǎng)絡模型在使用的過程中，會受到操作人員的影響，因此結(jié)果表現(xiàn)出來的也就不同。神經(jīng)網(wǎng)絡在實際使用的過程中，操作人員多是缺乏專業(yè)知識水平的普通工作人員，這就導致神經(jīng)網(wǎng)絡模型的使用效果得不到保障，因此需要系統(tǒng)的、可靠的神經(jīng)網(wǎng)絡模型操作的應用體系。

一、多神經(jīng)網(wǎng)絡集成方法

1.在神經(jīng)網(wǎng)絡知識庫基礎上發(fā)展而來的神經(jīng)網(wǎng)絡集成應用體系

在神經(jīng)網(wǎng)絡技術(shù)應用的過程中，要對工作人員所具備的神經(jīng)網(wǎng)絡方面的知識和經(jīng)驗進行培訓，可以通過多元化的神經(jīng)網(wǎng)絡來學習和積累與神經(jīng)網(wǎng)絡有關(guān)的知識，神經(jīng)網(wǎng)絡所具備的實用性將獲得大幅度的提高?，F(xiàn)階段，我國與神經(jīng)網(wǎng)絡技術(shù)有關(guān)的工程都較為復雜，大多數(shù)的工程都具備獨立性較強的子系統(tǒng)、功能單元及部件等，將原本復雜的系統(tǒng)分解成多個簡單的小系統(tǒng)。因此工作人員在遇到復雜的系統(tǒng)問題時，可以將復雜的問題分解成多個相對獨立的部件、功能單元或者是子系統(tǒng)，進行信息資料的輸出或者是輸入。使用神經(jīng)網(wǎng)絡技術(shù)得到相關(guān)子系統(tǒng)的特點信息之后，就能夠以此為基礎面對系統(tǒng)復雜的問題，例如系統(tǒng)中的辨識度問題、同一個系統(tǒng)中包括多個子系統(tǒng)的神經(jīng)網(wǎng)絡問題等。

在上述想法的基礎上，對神經(jīng)網(wǎng)絡知識庫進行構(gòu)建，并逐漸完善神經(jīng)網(wǎng)絡集成體系的框架。是按照將復雜的神經(jīng)網(wǎng)絡問題分解成多個子系統(tǒng)的神經(jīng)網(wǎng)絡問題，而不是針對一個相對較復雜的問題進行的。將復雜問題分解成多個子系統(tǒng)，能夠充分體現(xiàn)復雜的神經(jīng)網(wǎng)絡技術(shù)所具備功能，并為神經(jīng)網(wǎng)絡問題的分類提供便利，不僅可以提高解決問題的工作效率，而且可以積累神經(jīng)網(wǎng)絡方面的經(jīng)驗。在神經(jīng)網(wǎng)絡問題的實際解決過程中，如果子系統(tǒng)所具備的屬性是對數(shù)據(jù)資料的輸出和輸入是固定的話，就需要子系統(tǒng)記住這些匹配。也可以是將神經(jīng)網(wǎng)絡子系統(tǒng)中存在的知識庫與神經(jīng)網(wǎng)絡中的儀器設備相匹配，那么在進行相關(guān)信息的輸入時，就可以對神經(jīng)網(wǎng)絡知識庫中的連接權(quán)、閾值等相關(guān)參數(shù)進行調(diào)用，而不進行反復性質(zhì)的神經(jīng)網(wǎng)絡學習，這時神經(jīng)網(wǎng)絡所具備的功能就是對函數(shù)進行傳遞。如果在子系統(tǒng)的神經(jīng)網(wǎng)絡知識庫中存在與子系統(tǒng)屬性相匹配的網(wǎng)絡部分，就需要在神經(jīng)網(wǎng)絡知識庫中找到與初始值和缺省值相匹配的經(jīng)驗值，將其作為基礎就可以對神經(jīng)網(wǎng)絡的子系統(tǒng)的連接權(quán)、閾值等相關(guān)參數(shù)進行訓練；如果神經(jīng)網(wǎng)絡的知識庫中不存在與子系統(tǒng)屬性相匹配的網(wǎng)絡部分，就要對神經(jīng)網(wǎng)絡的樣本進行訓練，并在神經(jīng)網(wǎng)絡問題求解的過程中對網(wǎng)絡結(jié)構(gòu)的設計和計算方法等進行學習和訓練，以求真正與神經(jīng)網(wǎng)絡的知識庫相融合。在神經(jīng)網(wǎng)絡知識庫基礎上發(fā)展而來的多神經(jīng)網(wǎng)絡集成體系如下圖所示：

圖 在神經(jīng)網(wǎng)絡知識庫基礎上發(fā)展而來的多神經(jīng)網(wǎng)絡集成體系

2.多神經(jīng)網(wǎng)絡集成的方法與流程

從神經(jīng)網(wǎng)絡的有關(guān)資料可以看出，多神經(jīng)的網(wǎng)絡集成體系中存在多個子系統(tǒng)且屬于多層并聯(lián)或者串聯(lián)的結(jié)構(gòu)體系。從資料明顯可以看出，子神經(jīng)網(wǎng)絡系統(tǒng)的結(jié)構(gòu)較為簡單，為神經(jīng)網(wǎng)絡進行計算和訓練等操作提供了便利。在對復雜的網(wǎng)絡問題進行分解的過程中，要進行反復的摸索和計算，以求得到最優(yōu)化的結(jié)果，并把結(jié)果存儲在神經(jīng)網(wǎng)絡的知識庫中，為下一次的操作提供經(jīng)驗和學習的基礎。在神經(jīng)網(wǎng)絡系統(tǒng)中存在多個層次，可以將位于下一層的輸出當做是上一層的輸入使用，位于同一層次的神經(jīng)網(wǎng)絡都可以被上一層的神經(jīng)網(wǎng)絡使用，直到到達神經(jīng)網(wǎng)絡的頂層為止。

二、在BP網(wǎng)絡集成的基礎上進行非線性的研究案例

本文通過復雜的非線性函數(shù)案例對神經(jīng)網(wǎng)絡的集成方法進行驗證，以有效證明神經(jīng)網(wǎng)絡集成方法所具備的有效性、穩(wěn)定性、可靠性和可行性。在神經(jīng)網(wǎng)絡函數(shù)的研究過程中，人們一直都比較注重對神經(jīng)網(wǎng)絡函數(shù)逼近原理進行研究，但是沒有更為明確的說明。

1.非線性函數(shù)逼近原理的舉例描述

通過神經(jīng)網(wǎng)絡進行函數(shù)的非線性映射的描述，函數(shù)F■（x■，x■）中的x■，x■要符合以下要求：x■，x■∈[-1，1]。函數(shù)表示為：

F■（x■，x■）=sin■∈（πx■）+cos■（πx■）+2sin（πx■）cos（πx■）

在函數(shù)中根據(jù)△x■=△x■=0.05的原則進行取點的操作，并對函數(shù)進行神經(jīng)網(wǎng)絡的輸入和輸出操作的訓練，以求得出函數(shù)公式最理想的輸出結(jié)果。

2.函數(shù)問題的解題方法

（1）在函數(shù)公式求解的過程中，需要用到神經(jīng)網(wǎng)絡知識庫中的逼近原理。

（2）在函數(shù)公式求解的過程中，需要進行反復的摸索和拼湊，以實現(xiàn)對神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)的設計，通過BP算法的使用，實現(xiàn)對函數(shù)公式求解的目的。

（3）在函數(shù)公式的求解過程中，如果使用多神經(jīng)網(wǎng)絡集成方法的話，就要對神經(jīng)網(wǎng)絡的結(jié)構(gòu)進行設計，以為函數(shù)公式的求解提供便利。

F■（x■，x■）=sin■（πx■）+cos■（πx■）+2sin（πx■）cos（πx■）

=（sin（πx■）+cos（πx■））■

根據(jù)神經(jīng)網(wǎng)絡中可以將復雜的問題進行分解成多個子系統(tǒng)的原則，將函數(shù)公式分解成以下四個簡單的函數(shù)問題：

f■（x■）=sin（πx■）

f■（x■）=cos（πx■）

f■（f■，f■）=sin（πx■）+cos（πx■）=f■f■

F■（f■）=f■■

對分解之后的函數(shù)公式進行求解，通過BP算法的求解，從而達到對函數(shù)公式求解的目的。

3.函數(shù)求解過程中所使用的方法對比

在使用神經(jīng)網(wǎng)絡進行求解的過程中，神經(jīng)網(wǎng)絡的結(jié)構(gòu)呈現(xiàn)出較為復雜的特點，由于缺少經(jīng)驗作為基礎，因此只能進行多次的嘗試和摸索，比較花費人力，浪費時間，得到的結(jié)果還不理想，存在一系列的問題，例如速度慢、規(guī)律復雜等。本文介紹的案例就進行了反復的嘗試，得到的輸出三維圖與最理想的三維圖之間還存在差異。

把原來較為復雜的函數(shù)公式分解成多個簡單的函數(shù)公式之后，在通過多神經(jīng)網(wǎng)絡集成方法進行求解的過程中，每個函數(shù)公式都很簡單，在訓練的過程中，也不存在大量的拼湊和嘗試，能夠在短時間內(nèi)就確定函數(shù)公式結(jié)構(gòu)的參數(shù)。將與函數(shù)公式有關(guān)的閾值和訓練值等都存儲在神經(jīng)網(wǎng)絡的知識庫中，在遇到同類型的函數(shù)公式求解時，就可以從神經(jīng)網(wǎng)絡知識庫中直接調(diào)用即可，不僅計算的速度快，輸出結(jié)果的精確度也很高。通過神經(jīng)網(wǎng)絡集成方法找到的函數(shù)公式的輸出三維圖，與最優(yōu)的三維圖之間非常的相似，差異不大，可以忽略不計。

三、結(jié)語

在神經(jīng)網(wǎng)絡知識庫的基礎上使用多神經(jīng)網(wǎng)絡集成方法進行問題的求解時，不僅可以大大節(jié)省求解所用的時間，而且可以大大提高輸出結(jié)果的精確度?？梢詫碗s的問題分解成多個簡單的問題，以提高神經(jīng)網(wǎng)絡的工作效率，對計算方法進行創(chuàng)新和發(fā)展。

參考文獻：

[1]林民龍.基于神經(jīng)網(wǎng)絡集成的增量式學習[D].中國科學技術(shù)大學，2012.

[2]唐東波.基于神經(jīng)網(wǎng)絡集成的電信客戶流失預測建模及應用[J].大眾商務，2010（06）.

[3]李明愛，王蕊，郝冬梅.基于神經(jīng)網(wǎng)絡集成技術(shù)的運動想象腦電識別方法[J].北京工業(yè)大學學報，2011（03）.

[4]劉大有，張冬威，李妮婭，劉杰，金弟.基于網(wǎng)絡聚類選擇的神經(jīng)網(wǎng)絡集成方法及應用[J].吉林大學學報，2011（04）.

[5]潘遠.粗集約簡的神經(jīng)網(wǎng)絡集成在遙感影像分類中的應用[D].遼寧工程技術(shù)大學，2012.

[6]湯紅忠，徐瑜，張東波，郭雪峰.基于目標數(shù)據(jù)修正的差異性神經(jīng)網(wǎng)絡集成方法[J].信息與控制，2013（01）.

江西省教育科學“十二五”規(guī)劃課題，題名：基于神經(jīng)網(wǎng)絡的高職氣象類學生網(wǎng)絡學習評價模式論證；課題編號：12YB207。