⑥若Ｅ（ｘ（ｋ＋１））＜Ｅ（ （志）），则令ｋ—ｋ＋ｌ， 一 ／９，回到②；否则这次不更新权值和阈值，令ｘ（ｋ＋１）一 （是）、 一 ，并回到④。
⑦停止。
２ 改进的ＬＭＢＰ神经网络改进的ＬＭＢＰ神经网络是针对上面ＬＭ算法提出的加快收敛速度的方法。将ＬＭ算法步骤⑥中的调整策略改变为：／１一 （２ ），ｋ为只进入此步小循环的次数。如果某一步产生了更小的Ｅ（ （是）），则 在下一步的调整策略改变为 一 ／（２ ）。 初值一般取０．００１，』９值取４比较合适 。
３ 神经网络配色模型的设计与实现
１９８９年，Ｒｏｂｅｒｔ Ｈｅｃｈｔ—Ｎｉｅｌｓｏｎ证明了当各节点具有不同的阈值时，具有一个隐层的神经网络可以用来逼近任意的连续函数。因此，取用一个隐层，即３层网络，就能完成非线性映射。试验采用由输入层、隐层和输出层构成的３层网络结构。输入层和输出层的结点个数可由涉及的问题领域直接得到。在配色系统中，输入的是客户提供布料的ＣＭＹ值，因此，输入层采用３个神经元节点。网络输出值是工厂３种染料的浓度以输出层也为３个节点，分别是３种染料３ＢＳ，３ＲＳ，ＦＢＮ的浓度值。对于ＬＭＢＰ神经网络，确定其网络结构的关键就在于确定隐层结点的个数。隐层神经元数目的选择是十分复杂的问题，需要根据设计者的经验和多次试验来确定，因此，不存在一个理想的解析式来表达。隐层神经元数与所研究问题的要求、输入和输出的神经元数都有直接的关系。一定存在一个最佳的隐层神经元数，而且这个数目因研究对象和内容的不同而不同。由于应用对象的不同，隐层神经元数难以用统一的模式确定，所以将经验法和试算法相结合来确定隐层神经元个数更具有可靠性。经验法最常用的公式为初定隐层节点数的经验公式ｓ＝＝＝Ｊ０．４３ｍｎ＋０．１２ｎ ＋２．５４ｍ＋０．７７ｎ＋０．３５＋０．５１式中， 为隐层节点数；１＂／为输出层节点数； 为输入层节点数。计算值需经四舍五人取整。试算法是先从一个网络开始，若不符合要求则逐步增加或减少隐层节点数到合适为止。经验法和试算 法相结合的具体步骤ｌ＿５ 如下：
①利用经验法确定初始的隐层神经元数。
②进行网络训练和测试。
③不断增加或减少隐层神经元数。
④比较不同隐层神经元数时的训练和测试结果，
选取合适的隐层神经元数。
本文采用经验法和试算法相结合的方法来确定基于ＬＭＢＰ算法的神经网络模型的隐层神经元的个数。设计完成的织物染色配色模型。
<<上一页[1][2]
相关信息 
推荐企业 推荐企业
推荐企业
您所在的位置：
