柔性電子神經網絡計算機結構和原理論文
摘 要：本文以開發系統的觀點描述了一種新的神經網絡計算機體系結構，它以其可開發性和靈活性區別于其他各種神經網絡計算機，應用于人工神經網絡的研究過程。基于柔性神經網絡計算機體系設計，文中提出了一種神經網絡分解撕裂算法，為ＶＬＳＩ神經芯片的設計提供了
關鍵詞：神經網絡計算機論文
本文以開發系統的觀點描述了一種新的神經網絡計算機體系結構，它以其可開發性和靈活性區別于其他各種神經網絡計算機，應用于人工神經網絡的研究過程。基于柔性神經網絡計算機體系設計，文中提出了一種神經網絡分解撕裂算法，為ＶＬＳＩ神經芯片的設計提供了一條新途徑。
網絡毛病檢測所指的是檢測對象一旦有某種毛病呈現，就立刻對其實行檢測，從而找出引發網絡異常的要素。網絡毛病檢測主要分紅三個階段，分別是采集信息、提取毛病征兆以及辨認狀態，能夠說，毛病的檢測，最基本之處就在于對毛病征兆集至毛病狀態集之間所存在的非線性映射停止求解，在各種各樣的神經網絡模型中，得到最普遍應用的就應該是BP模型了，針對此經過BP算法來停止計算機網絡毛病的檢測。
1 BP神經網絡毛病檢測原理及算法
1.1 BP神經網絡實行毛病檢測的根本原理
所謂的BP神經網絡模型，它主要依托一個輸入和與之相對應的輸出來和外界產生聯絡，神經網絡模型鍛煉主要是經過對樣本數據的充沛采集與 BP算法的有機分離來實行的，經過這一措施，來使得神經網絡越來越和組合導航系統中最原始的算法模型所具有的非線性的這一特征簡直分歧。詳細來說，經過BP神經網絡來實行毛病檢測的根本原理主要包括兩個局部，第一個局部是要保證具有足夠的樣本數量來和神經網絡鍛煉之所需相滿足，并在此根底上來得出所希冀的診斷網絡。第二個局部，就是經過診斷輸入，來對神經網絡停止充沛的應用，從而有效施行毛病檢測。需求留意的是，在對其實行毛病檢測之前，所需求做的就是對原始的數據，對鍛煉樣本的數據等等做出相關的處置，所謂的處置，主要包含了兩步，第一是預處置，第二是特征的提取，只要經過這兩個步驟，才干夠為網絡診斷提供愈加合適的診斷輸入和愈加有效的鍛煉樣本。
其中，需求惹起留意的有三局部的內容，第一，對網絡構造肯定的一個關鍵所在就是要對網絡構造的范圍停止合理且科學確實定，特別是對其中的網絡中間層神經元來講，其個數的選擇尤為重要。第二，要留意對鍛煉的樣本以及測試的樣本停止肯定。所謂的鍛煉樣本，其所具有的最主要的作用是對網絡停止鍛煉；所謂的測試樣本，其所具有的主要作用就是要在前者的根底之上，來停止效果的監測。第三，需求做的就是要分離上述鍛煉樣本的結果和測試樣本的結果，來將兩者有機的分離起來，從而最大限度的完成和神經網絡的分歧性，進而有效停止毛病的檢測。
1.2 BP神經網絡的檢測算法
關于神經網絡的檢測來講，和其他檢測不同的是，它并不需求事前把相關的形式經歷學問以及相關的函數判別等等羅列出來，由于它是一種具有自順應性的形式，可以對本身的學習機制停止充沛的應用，來構成一個決策區域。網絡在停止某一種映射關系的取得的時分，需求經過狀態信息來對各種狀態的信息停止鍛煉，這一映射關系，會隨著環境的不時改動而自行停止調整，從而和瞬息萬變的環境相順應。它的詳細算法是：
輸入：net=
輸出：y=
輸出的導數為 =y（1-y）
BP神經網絡的構成，主要是經過多種神經元之間完成互相的銜接而完成的，它所具有的最主要特性就是單向傳播，是一種多層前向的網絡，它主要分紅三個層次，也就是輸入層、中間層以及輸出層，其中，中間層還能夠分紅若干個層次，并且關于其中每一層的神經元來講，它只對前一層的神經元輸出予以承受。不只如此，BP神經網絡當中并沒有反應的存在，在同一層中的不同節點來講，它們之間是不會構成相關的.耦協作用的，它所可以影響的也只是下一層節點的輸入。
2 基于神經網絡的計算機網絡毛病檢測措施
2.1 經過神經網絡來實行毛病檢測的措施
（1）形式辨認神經網絡。所謂的毛病檢測，實踐上需求做的是停止形式分類和形式的辨認，在傳統意義上的形式辨認技術，它在停止形式的分類的時分，根本上采用的方式都是經過對函數的辨認停止充沛的應用，來對每一個類別實行劃分。那么，在這樣的劃分形式下，我們假定形式樣本的特征空間為N維歐氏空間，同時假定形式的分類為M類，這樣，我們就能夠從數學形式上來對其停止分類，詳細分類方式就是：經過對朱超平面方程的定義，來對N維歐氏空間盡可能地完成最佳分割，并且這一分割的決策區域是M這樣的問題。但是，在詳細的理論中，假如要對復雜的決策區域停止分割，那必定是非常艱難的。所以，必需要精確的選出最合適的函數判別式，來在辨認中對函數相關的參數停止辨認，從而停止相關的修正措施。
（2）毛病預測神經網絡。關于毛病預測神經網絡來講，它的完成，主要是經過兩種方式來完成的，第一種方式是，把神經網絡作為主要的函數迫近器，餅子啊次根底上萊迪機組工況的某一些參數實行擬合預測看，這一種方式，最常見的就是本文所研討的BP網絡就。第二中方式是充沛對輸入和輸出這兩者之間的關系停止思索，之后，采用帶反應銜接的動態神經網絡來針對詳細的過程或者詳細的工作狀況參數，來吧動態的模型樹立起來，從而實行毛病預測。但是從目前其應用水平來看，得到最普遍的應用的應該就是基于多層的前饋網絡。
如今，我們站在系統區分的角度之上，來看前饋網絡，它所代表的僅僅只是那些可以經過代數的方程，就可以停止靜態映射的掃描，從而實行靜態預測的描繪，假如把它用在設備的動態建模和動態預測當中，毫無疑問會遭到很大的限制。所以，我們能夠說，動他的神經網絡預測，也就是一個動態時序建模的過程。
（3）專家診斷神經網絡。所謂的專家診斷神經網絡，也就是把神經網絡和專家系統兩者之間停止有機的分離，這一有機分離的費那個是主要有兩個，第一個是，把專家系統來組合成為神經網絡，細致來講，也就是要針對傳統的專家系統，來把其中的樹立在符號上的推理直接轉變成為樹立在數值運算上的推理，這樣做的最基本目的就是要把專家系統所具有的執行效率大大提升，并在此根底上來對其學習才能停止充沛的應用，從而把專家系統中的學習問題徹底處理好。第二個是，把神經網絡看成是一種學問源的詳細表達以及詳細處置的模型，經過把這一模型和其他的相關學問表達模型的有機分離，來把范疇專家的學問充沛的表達出來。總的來講，樹立在神經網絡根底上的毛病檢測專家系統，是一種新的學問表達系統，它是經過對大量的節點的一些簡單處置，是經過單元與單元之間的互相作用來完成信息處置的。
這一方式，經過對網絡信息的堅持性的充沛應用，來把其中的那些不是很準確的診斷推理完成，是一種簡單且有效的方式。
2.2 神經網絡毛病檢測的詳細應用
在普通狀況下，招致網絡毛病的要素不外乎是在設置上呈現了問題，關于這類緣由惹起的毛病，我們能夠把著手點放在軟件上面，經過這一動手點，來實行毛病的檢測，關于把網絡的設置矯正確了，對本地機主的測試也經過了，但是，他和與之相鄰的主機卻是不同的，并且，在這一時分，和交流機相銜接的端口沒有呈現網線的松動狀況，那么，需求做的就是停止TCP/IP 的重新裝置。將詳細一點，也就是假如系統處于正常運轉的狀態的話，實踐上，這一時分的殘差是和高斯白噪聲序列最為接近的時分，這是，期均值就近乎為零，這時，我們把協方差上界用以下的式子來表示：
U（k）=
其中U（k）所表示的是協議方差，它是會隨著k的變化而呈現不同的統計特性，假如我們定義一些隨機變量，采用的方式是：
需求指出的是， 我們能夠以為其就是服從于 的散布的，所以，上述的式子又能夠表示成為：
從上述的式子中，我們能夠用字母N來表示數據床的長度，那么，假如系統是處于正常運轉的狀態的話，d（k）的數值就會很小；反過來講，假如系統正處于突發性毛病的狀態的話， 就不可以和白噪聲的特性相滿足，所以， ，其中所標示的是閾值，H0所表示的是正常模態，經過理論，假如有毛病發作，那么只需求停止一步時延，d（k）就會發作明顯的變化，由此來對網絡毛病停止檢測。
3 完畢語
總之，到目前為止，網絡毛病診斷的一個最主要開展趨向就是采用智能化的檢測技術來忘性，而神經網絡有著極佳的非線性映射，有著極強的自順應才能，從而日益被普遍的應用到網絡毛病的檢測當中，也能夠說，這是一種值得深化推行的技術。
【柔性電子神經網絡計算機結構和原理論文】相關文章：
5.論文提綱結構