劉凱++仲亮++張景忠

摘 要：BP算法即誤差逆向傳播學(xué)習(xí)算法，按照BP算法進(jìn)行訓(xùn)練的多層神經(jīng)網(wǎng)絡(luò)被稱為誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)，即BP神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)按有人管理示范的方式進(jìn)行學(xué)習(xí)，學(xué)習(xí)期間網(wǎng)絡(luò)誤差由后向前傳遞修正各權(quán)值和閾值。本文將主要探討基于BP神經(jīng)網(wǎng)絡(luò)算法的可見光圖像熱目標(biāo)自動(dòng)識(shí)別技術(shù)。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)算法；可見光圖像；熱目標(biāo)；自動(dòng)識(shí)別

數(shù)字圖像測量火焰溫度主要的依據(jù)是熱輻射理論和三色法測量溫度理論，包括普朗克黑體輻射定律、維恩公式、斯蒂芬-波爾茲曼定律和三色法測溫公式等，利用BP神經(jīng)網(wǎng)絡(luò)算法、最小二乘法和改進(jìn)輸入的神經(jīng)網(wǎng)絡(luò)算法進(jìn)行運(yùn)算。該技術(shù)屬于光學(xué)測溫技術(shù)范疇?；跀?shù)字圖像處理技術(shù)的溫度測量系統(tǒng)主要有火焰圖像獲取系統(tǒng)和圖像采集處理系統(tǒng)兩部分組成。其中圖像獲取系統(tǒng)包括彩色CCD攝像機(jī)；圖像采集處理系統(tǒng)主要是由一臺(tái)包括圖像采集卡和專用圖像測溫軟件的多媒體計(jì)算機(jī)構(gòu)成[1]。系統(tǒng)硬件由彩色攝像機(jī)、圖像采集卡、多媒體計(jì)算機(jī)、顯示器、圖像輸出設(shè)備等組成，這些硬件設(shè)備在配置了編制的溫度測量軟件后就能正常工作。

1 BP神經(jīng)網(wǎng)絡(luò)算法的步驟

利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像匹配的具體過程可分為以下兩個(gè)階段。

（1）利用樣本圖（包括基準(zhǔn)圖樣本和實(shí)時(shí)圖樣本）訓(xùn)練設(shè)計(jì)網(wǎng)絡(luò)，如果學(xué)習(xí)誤差小于容許設(shè)計(jì)誤差或達(dá)到設(shè)計(jì)學(xué)習(xí)訓(xùn)練次數(shù)，則結(jié)束網(wǎng)絡(luò)匹配學(xué)習(xí)過程。

（2）將實(shí)時(shí)圖特征數(shù)據(jù)輸入到已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)中，網(wǎng)絡(luò)進(jìn)行正向傳播運(yùn)算。將正向傳播輸出結(jié)果與所有目標(biāo)值做比較，取最相似者作為匹配結(jié)果。為了降低圖像匹配時(shí)間，前一階段工作可預(yù)先完成，并把學(xué)習(xí)結(jié)果存儲(chǔ)在圖像匹配計(jì)算機(jī)的非易失存儲(chǔ)器中，在圖像匹配的后一階段，圖像匹配計(jì)算機(jī)直接利用這些結(jié)果完成BP網(wǎng)絡(luò)的圖像匹配運(yùn)算，從而降低實(shí)際圖像匹配時(shí)間[2]。

使用適應(yīng)度來度量群體中每一個(gè)個(gè)體在進(jìn)化計(jì)算中有可能達(dá)到或接近于或有助于找到最優(yōu)解的優(yōu)良程度。在進(jìn)化策略中，直接設(shè)定每個(gè)個(gè)體的適應(yīng)度等于所求優(yōu)化問題的目標(biāo)函數(shù)值，而不再對目標(biāo)函數(shù)值進(jìn)行任何變換處理。這主要由于進(jìn)化策略的選擇運(yùn)算是按照一種確定方式進(jìn)行的緣故，每次都是從當(dāng)前群體中選擇出一個(gè)或幾個(gè)適應(yīng)度最高的個(gè)體保留到下一代群體中，這里只有個(gè)體適應(yīng)度之間的大小關(guān)系比較，而無算術(shù)運(yùn)算，所以對個(gè)體適應(yīng)度是取正值還是取負(fù)值無特別要求。

BP算法的學(xué)習(xí)目的是對網(wǎng)絡(luò)連接權(quán)值進(jìn)行調(diào)整，使得調(diào)整后的網(wǎng)絡(luò)對任一輸人都能得到所期望的輸出。其學(xué)習(xí)過程由正向傳播和反向傳播組成。學(xué)習(xí)的方法是使用一組訓(xùn)練樣例對網(wǎng)絡(luò)的連接權(quán)值進(jìn)行調(diào)整，每一個(gè)樣例中，都包括輸入及期望輸出兩部分。在正向傳播過程中，首先將訓(xùn)練樣例的輸入信息輸入到網(wǎng)絡(luò)中，信息從輸入層經(jīng)隱層結(jié)點(diǎn)逐層計(jì)算處理后，傳至輸出層。在計(jì)算處理過程中，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)，如果在輸出層得到的結(jié)果不是所期望的輸出，那么就轉(zhuǎn)為反向傳播。反向傳播把計(jì)算所得輸出與期望輸出之間的誤差信號(hào)沿原連接路徑返回，并按一定的原則對各層神經(jīng)元的連接權(quán)值進(jìn)行適當(dāng)修改，直至第一個(gè)隱層，這時(shí)再開始進(jìn)行正向傳播，利用剛才的輸入信息進(jìn)行正向網(wǎng)絡(luò)計(jì)算，如果網(wǎng)絡(luò)的輸出達(dá)到了誤差要求，則學(xué)習(xí)過程結(jié)束；如果達(dá)不到誤差要求，再進(jìn)行反向傳播的連接權(quán)值調(diào)整。一旦網(wǎng)絡(luò)完成訓(xùn)練之后，應(yīng)用于求解實(shí)際問題時(shí)就只需使用正向傳播，而不需要再進(jìn)行反向傳播了[3]。

2 基于BP神經(jīng)網(wǎng)絡(luò)算法的可見光圖像目標(biāo)自動(dòng)識(shí)別技術(shù)方法

2.1 輸入和輸出層的設(shè)計(jì)

輸入的神經(jīng)元可以根據(jù)需要求解的問題和數(shù)據(jù)的表達(dá)方式確定?？梢允悄M信號(hào)也可以是圖像和數(shù)值信息。輸出層的維數(shù)可以根據(jù)使用者的要求確定，如果將BP網(wǎng)絡(luò)用做分類器，類別模式一共有m個(gè)，那么輸出層神經(jīng)元的個(gè)數(shù)為m或1nm。

2.2 隱含層設(shè)計(jì)

對于BP網(wǎng)絡(luò)，任何在閉區(qū)間內(nèi)的一個(gè)連續(xù)函數(shù)都可以用單隱含層的BP神經(jīng)網(wǎng)絡(luò)逼近，因而一個(gè)3層BP網(wǎng)絡(luò)就可以完成任意的N維到m維的映射。隱含層神經(jīng)元個(gè)數(shù)與問題的要求、輸入和輸出單元的數(shù)目有著直接的關(guān)系，太多會(huì)導(dǎo)致學(xué)習(xí)時(shí)間過長、誤差控制不佳，過少則會(huì)導(dǎo)致容錯(cuò)性差、不能識(shí)別足夠的測試樣本。隱含層數(shù)目一般根據(jù)已有的經(jīng)驗(yàn)公式確定，但是并不一定能取得較好的效果?？梢圆捎脛?dòng)態(tài)調(diào)整的方式選擇符合具體模型要求的數(shù)目，首先放入足夠多的隱含單元，通過學(xué)習(xí)將那些不起作用的隱含單元排除，直到不可收縮為止，同樣也可以設(shè)較少單元，直到能滿足合理要求為止[4]。

2.3 初始值選取

由于系統(tǒng)的非線性特性，初始值對于學(xué)習(xí)能否達(dá)到局部最小和是否能夠收斂的結(jié)果關(guān)系很大，要求初始權(quán)值在輸入累加時(shí)使每個(gè)神經(jīng)元的狀態(tài)值都接近零，權(quán)值一般取比較小的隨機(jī)數(shù)。輸入樣本要進(jìn)行標(biāo)準(zhǔn)化處理，使得那些比較大的輸入仍落在傳遞函數(shù)梯度大的地方。

2.4 BP網(wǎng)絡(luò)的不足和改進(jìn)

BP算法中一方面網(wǎng)絡(luò)參數(shù)每次調(diào)節(jié)的幅度均以一個(gè)與網(wǎng)絡(luò)誤差函數(shù)或其對權(quán)值導(dǎo)數(shù)大小成正比的固定因子進(jìn)行。這樣，在誤差曲面較平坦處，由于這一偏導(dǎo)數(shù)值較小，因而權(quán)值參數(shù)的調(diào)節(jié)幅度也較小，以致需要經(jīng)過多次調(diào)整才能將誤差函數(shù)曲面降低；而在誤差曲面較高曲率處，偏導(dǎo)數(shù)較大，權(quán)值參數(shù)調(diào)節(jié)的幅度也較大，以致在誤差函數(shù)最小點(diǎn)附近發(fā)生過沖現(xiàn)象，使權(quán)值調(diào)節(jié)路徑變?yōu)殇忼X形，難以收斂到最小點(diǎn)，導(dǎo)致BP算法收斂速度慢。另一方面權(quán)值參數(shù)的調(diào)節(jié)是沿誤差函數(shù)梯度下降方向進(jìn)行的，但由于網(wǎng)絡(luò)誤差函數(shù)矩陣的嚴(yán)重病態(tài)性，使這一梯度最速下降方向偏離面向誤差曲面的最小點(diǎn)方向，到最小點(diǎn)的搜索路徑，造成了BP算法收斂速度慢。

3 結(jié)束語

由于BP模型中間層的個(gè)數(shù)和隱層神經(jīng)元數(shù)對模型的學(xué)習(xí)速度、訓(xùn)練精度、學(xué)習(xí)速率都有明顯影響，目前雖有一些選取中間層數(shù)和隱層神經(jīng)元數(shù)的一般規(guī)則，但不完全通用，也不精確，仍是憑經(jīng)驗(yàn)選取。它主要同輸入單元數(shù)、輸出單元數(shù)及流型的類別數(shù)有關(guān)，缺乏理論的指導(dǎo)，因而只能根據(jù)研究問題的實(shí)際情況來確定。

參考文獻(xiàn)

[1]張玲，王玲，吳桐.基于改進(jìn)的粒子群算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)的熱舒適度預(yù)測模型[J].計(jì)算機(jī)應(yīng)用，2014，3：775-779.

[2]徐晨，曹莉，梁小曉，等.基于ABC-BP神經(jīng)網(wǎng)絡(luò)的用電量預(yù)測研究[J].計(jì)算機(jī)測量與控制，2014，3：912-914+922.

[3]何勇，李妍琰.改進(jìn)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的洪水智能預(yù)測模型研究[J].西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，5：75-80.

[4]朱婷婷，魏海坤，張侃健.基于AP和BP神經(jīng)網(wǎng)絡(luò)算法的手寫數(shù)字識(shí)別[J].中國科技論文，2014，4：479-482.endprint