BP神经网络模型的原理及在心理学领域的应用

维普资讯

15 84

现代预防医学 20年第 3卷第 1期 06 3 0

Moe Peet e d i, 06、 1 3 o1 dm rv i in 20, r .,N . n v Me c e 03 0

【综述】

B P神经网络模型的原理及在心理学领域的应用张军综述，黄子杰审校[关键词]人工神经网络模型；统计方法；心理 [中图分类号]R 9 . 3 51 [文献标识码]A [文章编号]10—80 (0 6 0 8 4 3 0 3 5 7 2 0 )1—15—0期望值间的误差信息沿原路返回。通过修改各神经元的权

人工神经网络 (ric l erl e ok,A N)是一 atia n ua nt rs N f i w门涉及生物、电子、计算机、数学和物理等的交叉学科， 它是机器模拟人脑智能活动的杰出代表。根据学习方法 (算法 )的不同，可以构成不同的网络。目前，已发展了几

值，减少误差，继续循环，直至全网络误差收敛到规定的值内为止。所以这种网络称为 I神经网络。要利用神经网 络进行分析，必须事先对其进行训练。训练的目的是调节神经元间的联系强度 (权重系数 ),使网络的输出应变向量与已知训练样本的应变向量之差最小。

十种神经网络，例如连接型网络模型、玻尔茨曼机模型、 多层感知机模型和自组织网络模型等。其中，应用最为广泛的是多层感知机神经网络，多层感知机神经网络的研究始于 2 0世纪 5 0年代，但一直进展不大。直到 18 9 5年，

设含有”个节点的任意网络，各节点之特性为 S ro ini g d型。为简便起见，指定网络只有一个输出 Y,任一节点 i的输出为 0,并设有 N个样本 (, )(趣走=l,3,2,…,

R re at un l r等人提出了误差反向传递学习算法 ( P算法 ) h B,才引起了人们的重视，掀起了研究神经网络的热潮 2 l 1,。 3

N),对某一输入趣，网络输出为，节点 i的输出为 0 ,节点的输入为 nt=∑W k ei k O,,并将误差函数定义为：

1 B P神经网络模型的原理和结构B ( ak—P oaain P Bc rpg t )神经网络从模拟生物的神经 o网络出发，最基本的 B P网络是 3层前馈网络，即输入层、 隐含层、

输出层，其拓扑结构如图 1所示[ 。输入层隐含层输…层

E寺. (— k= Y Y k )其中 )为网络实际输出，定义 E= (k k,=, l【 k Y—Y ),8 k

蔫，Q叭于= Hk=是舞=O,=8k k k, O,

当j为输出节点时，0k k i =Y一

(k Y)f nt )( Y - k,( ek公式 1 ) )

若j不是输出节点，则有

o盟一

一垦旦a

一

翌堡

j nt—a I8 e— qk nt) ek 0k nt a f ek一8 j i k (|8 8 e k Ek n ta

图 1 B神经网络模型 P

8 ma n qk qk 1 k a一==

B P算法的主要思想就是求出误差对所有权系数的偏导数，然后利用梯度下降法来修正各个连接权系数，以减少误

￣ 8 k E ce 9 t n w Q n、 n qk 1a ” k.

差。对于输入信号，要先向前传播到隐含层节点，经作用函数后，再把隐节点的输出信号传播到输出节点，最后给出输出结果。节点的作用激励函数通常选取 S型函数，如因此

一 e1 d w一∑Omkw , t 2删= ”∑: nk . 9 n afI (ej 8=f nt)∑ak k k mW嘶

厂；= (南[ )

1kk: 08 Ei n点，则 B P算法为： 第 l,选取初始权值 w。步

’

式中 Q为调整激励函数形式的 S m i i od参数。该算法 g的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐含层逐层处理，并传向输出层。 每一层神经元的状态只影响下一层神经元的状态。如果输出层没有得到期望的输出，则转入反向传播，将输出值与[作者单位]福建医科大学公共卫生学院，福州，30 0 504[作者简介]张军 (9 9 ) 17 -,男，硕士在读，主要从事心理统计学技术方面的研究 .

如果有 M层，而第 M层仅含输出节点，第一层为输入节

第 2步，重复下述过程直至收敛：口.口.对于是到 N =1

口 .计算 O ),n t￣的值 (向过程 ) ek1 j]正； b .对各层从 M到 2反向计算 (向过程 ) )反；

b .对同一节点∈M,由公式 l .b和公式 2计算 8; ) k

维普资讯

现代预防

医学 2 0年第 3卷第 l期 06 3 0

Mo e P eet e dm r ni v v M

,. o

: Q

15 8 5

第 3,修正权值，,步 =WO—t LOE aW 0 a aw。

,>0 ,其中

上优点，但其理论研究还有待完善，技术上有诸多的限制： ①B P神经网络模型能在诸多的影响因素中找出最主要的几

个因素，但对于多层神经网络模型而言，其计算过程复杂， 不能给出变量间可解释的具体函数关系。②学习速度太慢，即使一个比较简单的问题，也需要几百次甚至上千次的学习才能收敛，容易陷入局部极小值；③网络隐含层的数目与隐含层单元的选择尚无理论上的指导，而是根据经验确

从上述 B P算法可以看出，B P模型把一组样本的 I 0/

问题变为一个非线性优化问题，使用的是优化中最普通它的梯度下降法。如果把神经网络看成输入到输出的映射， 则这个映射是一个高度非线性映射。 学习样本的大小是影响 B P神经网络性能的关键。学习样本增加，则网络更容易收敛到全局最优，且其预测性能

定。④要建构良好的网络结构，设计者必须精心设计网络参数，在网络运行中还要进行大量调整。

也逐渐提高。学习样本增大到一定程度，则隐层节点的数目对网络影响不大，学习精度对网络的影响也不大，而且网络很稳定，预测效果也很好。

3人工神经网络技术在心理学领域的应用近年来，人们已开始将神经网络技术应用到心理学领域。Mae hl￥ ut 9提出一个模拟儿童认知发展的神 r ca和 hl[J s z经网络模型。该模型采用级联相关算法，应用于研究儿童

人工神经网络模型大多是通过软件来模型的。国外开发的神经网络软件种类很多，商业性软件如 S S公司开发 A的用于数据挖掘的人工神经网络软件包，免费软件大多是由研究机构开发的，如 S NS软件，国内也有不少软件有 N神经网络建模的功能，如 DP S软件，L Ne P n i t F软件包。

排序能力的发展，果好于符号规则模型，研究结果表效其明，儿童排序能力发展是连续的细微变化。P i等¨ J re U c针对目前心理评价主要依靠专业知识的现况，提出在临床诊断中应用人工神经网络技术，并在两例临床诊断过程中

证明有很好的适用性。Sel pr等人【立吸毒人员的人工神经网 J建络诊断模型，结果也证明模型预测结果与临床诊断一致性较好，正确率达到 9%。 0

2人工神经网络与传统统计方法的比较2 1人工神经网络的理论研究对于 A . NN模型与传统统计学方法关系的理论研究，主要集中于 B P网络与回归分析

百度搜索“yundocx”或“云文档网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，云文档网，提供经典公务员考试BP神经网络模型的原理及在心理学领域的应用在线全文阅读。