基于蟻群算法的整型權值神經(jīng)網(wǎng)絡的研究與實現(xiàn).pdf

1、本文的研究背景主要是基于人工神經(jīng)網(wǎng)絡在工業(yè)控制中的廣泛應用。工業(yè)控制普遍采用嵌入式系統(tǒng)及其技術，很多使用專用的、定制的、軟硬件結構精簡的嵌入式控制系統(tǒng)。但是這些嵌入式專用控制系統(tǒng)對存儲容量、實時性、快速響應、功耗及價格有著很高的要求。這些要求促使在開發(fā)嵌入式軟、硬件時需要時時考慮到算法的性能、運算速度、存儲容量等實際問題。而且神經(jīng)網(wǎng)絡在運算過程中需要作大量的乘法、加法（包括減法）、除法和指數(shù)（若使用非線性激勵函數(shù)）運算，特別是除法和指數(shù)

2、運算消耗的指令周期遠遠大于乘法和加法，浮點型的運算時間遠遠大于整型。因此直接將傳統(tǒng)的神經(jīng)網(wǎng)絡應用于嵌入式專用控制系統(tǒng)，無法滿足系統(tǒng)在實時性、存儲上的要求，故需要改進傳統(tǒng)的人工神經(jīng)網(wǎng)絡。本文主要研究成果如下：
　　通過對整型權值神經(jīng)網(wǎng)絡學習能力的分析，本文提出了一種訓練整型權值的神經(jīng)網(wǎng)絡的學習算法。采用整型權值為神經(jīng)網(wǎng)絡在嵌入式領域的應用提供了一種可行的方法，因為相比浮點型權值，整型權值不僅可以減少系統(tǒng)的存儲容量，還可以有更高的執(zhí)行

3、效率。但是如果權值精度下降導致網(wǎng)絡無法收斂或者降低網(wǎng)絡的泛化性能，將無法解決問題，針對這一情況，本文首先分析了整型權值神經(jīng)網(wǎng)絡的學習能力，即通過適當?shù)卦黾与[層神經(jīng)元個數(shù)和擴大權值范圍改善網(wǎng)絡的收斂性能和泛化性能。在這基礎上，本文對整型權值神經(jīng)網(wǎng)絡的學習算法，網(wǎng)絡結構的設計、樣本的選擇，以及激活函數(shù)的選擇和優(yōu)化做了深入地研究。
　　針對傳統(tǒng)神經(jīng)網(wǎng)絡算法無法訓練整型權值神經(jīng)網(wǎng)絡的問題，本文提出了基于蟻群算法的整型權值神經(jīng)網(wǎng)絡學習算法。

4、蟻群算法具有自組織、正反饋機制、分布式并行計算、啟發(fā)性收斂等特點。從算法執(zhí)行過程看，蟻群算法具有在離散域全局的搜索能力。又針對傳統(tǒng)蟻群算法容易陷入停滯的問題，本文使用了解決停滯問題較好的最大最小螞蟻系統(tǒng)，并根據(jù)螞蟻搜索的實際情況，提出了使用停滯計數(shù)器作為判斷，增加額外的信息素方法，以增強螞蟻的開發(fā)能力。為了解決螞蟻搜索神經(jīng)網(wǎng)絡權值過程中碰到的權值維數(shù)過多的問題，本文使用神經(jīng)網(wǎng)絡重新描述了蟻群算法，并設計了全新的禁忌表和信息素濃度表，降低

5、了程序設計的維度。最后采用神經(jīng)網(wǎng)絡逼近 sin(x)函數(shù)實驗驗證了蟻群算法訓練整型權值神經(jīng)網(wǎng)絡的有效性。
　　最后，將本文提出的算法應用于嵌入式專用控制系統(tǒng)——紗線運動圖片檢測系統(tǒng)。首先分析了紗線檢測的內容，確定檢測的目標是對紗線的紗疵進行檢測。針對紗疵形狀小、灰度平滑變化、處理難的特點，本文提出了基于時空相關性的檢測思想，利用紗線圖像連續(xù)幀差分方法，并對紗線圖像作了必要的預處理，以突顯紗線的紗疵。將特征圖的每一行像素作為神經(jīng)網(wǎng)絡