反向传播神经网络基本原理精选(九篇)

第1篇：反向传播神经网络基本原理范文

关键词：网络安全；态势评估；BP算法

中图分类号：TP393文献标识码：A文章编号：1009-3044(2011)14-3265-02

Using Back Propagation to Achieve The Rating of The Network Security Posture

TANG Jin-min

(Hongli Network Limited Company of Changchun, Changchun 130051, China)

Abstract: In order to alleviate the increasingly serious problem of network security, we can use assessment technology of the network security situation, optimized the factors that affect network security in advance. we try to used Back Propagation in network security situation assessment, and used a lot of experimental data in the training model, tested some of the data.

Key words: network security; situation assessment; BP

随着互联网时代的来临，网络的规模和应用领域不断发展，人们对网络依赖程度不断增加，网络已经成为社会、经济、军事等领域中不可或缺的重要组成部分。但同时，我国网络安全问题日益突出，目前网络系统的安全现状已经清楚地表明：传统的网络安全防护技术已无法为网络系统的安全提供根本的可靠保障。要在错综复杂的网络环境中切实有效地提高网络安全，迫切需要探索新的理论和方法，网络安全技术研究已经步入一个全新的时代。网络安全态势评估（Network Security Situational Assessment，NSSA）研究就是顺应这个需求而生并迅速发展成为网络信息安全领域一个新的研究热点。网络安全态势评估技术能够从整体上动态反映网络安全状况，并对安全状况的发展趋势进行预测和预警，为增强网络安全性提供可靠的参照性依据。

1 相关研究

网络安全态势是指由各种网络设备运行状况、网络行为以及用户行为等因素所构成的整个网络的当前状态和变化趋势。网络安全态势感知,即是在大规模网络环境中,对能够引起网络态势发生变化的安全要素进行觉察、理解、显示以及预测未来的发展趋势。态势强调环境、动态性以及实体间的关系，是一种状态，一种趋势，一个整体和宏观的概念，任何单一的情况或状态都不能称之为态势。

1999年，Bass等人首次提出了网络态势感知概念，即网络安全态势感知。国国家能源研究科学计算中心(NERSC)所领导的劳伦斯伯克利国家实验室于2003年开发了“Spinning Cube of PotentialDoom”系统，该系统在三维空间中用点来表示网络流量信息，极大地提高了网络安全态势感知能力。2005年，CMU/SEI领导的CERT/NetSA开发了SILK，旨在对大规模网络安全态势感知状况进行实时监控,在潜在的、恶意的网络行为变得无法控制之前进行识别、防御、响应以及预警,给出相应的应付策略,，该系统通过多种策略对大规模网络进行安全分析,并能在保持较高性能的前提下提供整个网络的安全态势感知能力。国内方面，网络态势感知也是在起步阶段，主要是从军事信息与网络安全的角度来研究，这对我军在新形势下的信息安全保护和信息战有重大的战略意义。

2 网络安全态势评估系统

下面介绍一个网络安全态势评估系统，它的工作流程图如图1所示。

这其中的关键技术就是态势评估过程，在这里我们使用BP算法来完成网络安全态势评估。

2.1 BP算法

BP算法，也就是误差反向传播（Error Back Propagation, BP）算法，BP算法的最早提出是在1986年，两位科学家Rumelhart和McCelland他们领导的科学小组通过长时间的分析，弄清了非线性连续转移函数的多层前馈网络的误差反向传播算法，并且在《Parallel Distributed Processing》一书中进行了非常详细的阐述，这个分析阐述实现了Minsky的设想。我们也经常把BP算法称之为BP网络。

下面简单介绍一下BP算法的基本思想，在学习也就是网络训练过程中，信号的传播分为正向传播和反向传播，其中反向传播的是误差信号。在进行正向传播时，将训练样本输入，也就是从神经网络的输入神经元输入，样本数据经各隐藏层逐层处理后，最后从输出层传出。如果从输出层输出的数据与期望的输出(事先给定的)不一样，这就说明计算出现了误差，为了解决这个误差问题，训练就会进行反向传播。反向传播就是将输出数据与期望数据的误差以某种形式通过隐层向输入层逐层反向传，在这个过程之中，会把误差值分摊给各隐层的所有神经元上，这样就能获得各层每个神经元的误差信号，我们可以通过这些误差信号来修改各个神经元上的权值。上面所讲的训练样本信号正向传播和误差信号的反向传播是不断地进行的，这个不断进行的过程也就是BP网络的学习和训练过程，经过了这个过程，误差信号逐步减小，达到了一个我们事先约定的限度，或者完成了所有训练样本的输入，这时就可以结束训练过程，同时整个网络确定了下来，网络中的神经元上的权值也固定了下来，这样就可以进入实际的应用阶段，可以用这个网络来进行工作了。

2.2 指标体系的建立

安全态势评估的核心问题是确定评估指标体系。指标体系是否科学、合理，直接关系到安全态势分析的质量。为此指标体系必须科学地、客观地、合理地、尽可能全面地反映影响系统安全性的所有因素。指标体系的建立必须按照一定的原则去分析和判断，指标体系建立过程中所遵循的原则并不是简单的罗列，它们之间存在着密切的关系。指标体系设立的目的性决定了指标体系的设计必须符合科学性的原则，而科学性原则又要通过系统性来体现。在满足系统性原则之后，还必须满足可操作性以及时效性的原则。进一步，可操作性原则还决定了指标体系必须满足可比性的原则。上述各项原则都要通过定性与定量相结合的原则才能体现。此外，所有上述各项原则皆由评估的目的性所决定，并以目的性原则为前提。

根据查找资料等，发现在不同的攻击下一下一些指标有明显变化，就选择这些指标组成指标体系，CPU占用率、内存占用率、端口流量、丢包率、网络可用带宽、平均往返时延、传输率、吞吐率。我们就选择这8种指标作为我们的评价指，根据原系统的设计将网络的安全态势分为五个级别分别是：Good、OK、Warning、Bad、Critical。这5种状态由高到底的标示出整个网络安全状态。

2.3 评级系统的实现

因为有8个评测指标，所以网络的输入层有8个神经元，输出因为要求的评估等级为5，所以输出层的神经元为5个，对应的网络输出模式为（1,0,0,0,0）（0,1,0,0,0）（0,0,1,0,0）（0,0,0,1,0）（0,0,0,0,1），隐含层的神经元个数也要确定，在这里我们将隐含层的神经元个数设为8*2+1=17个，这个也是BP神经网络常用的原则。

同取样本数据100组解决BP神经网络的训练问题，，进行学习训练，同样使用MatlabR2007b作为平台训练BP神经网络，隐藏层神经元的传递函数选择的是S型对数函数logsig，输出层神经元的传递函数选则purelin，性能目标采用MSE，设为0.01，训练步数设为500，学习速率设为0.1，经过多次迭代运算后达到收敛目标，这时候结束训练过程，保存该训练好的网络。然后将25组测试数据代入网络进行网络状态评估。

3 结论

第2篇：反向传播神经网络基本原理范文

关键词:室内定位;RSS; BP神经网络;IEEE 802.11b

中图分类号:TN911.23 文献标识码:A

1 引 言

目前,室内定位算法主要有以下几种｡

1)Time of arrival(TOA)

TOA定位的基本原理是通过测量节点间电波传播的时间来确定节点的位置｡

TOA算法要求参加定位的各个基站在时间上实现严格同步｡在室内环境中,由于已知点到待测点的距离通常不远,无线电波的传播速度太快,且存在严重的多径干扰,因此无法利用无线电波进行测距｡目前,基于TOA的室内定位技术通常是利用超声波传播速度较慢的特点(在20摄氏度时超声波的传播速度为343.38m/s),来测量出已知点和待测点间的距离,进而求出待测点的位置[1]｡

2)GPS L1 Re-radiating

GPS(Global Positioning System)是70年代初由美国开发的卫星导航定位系统,本质上它也是一个基于TOA的定位系统｡

GPS L1 Re-radiating是将GPS在L1频段上的信号,通过户外天线接收后,增益放大为室内可接收信号,进而基于GPS实现室内定位｡

3)Received signal strength,RSS

RSS定位的基本原理是利用移动装置侦测所接收到的无线电波信号强弱,然后根据经验模型或RSS随距离衰减的模型来推断节点间的距离,进而实现定位[2]｡

该技术主要使用无线网络本身的无线电信号来定位,不需额外添加硬件,是一种低功率､廉价的定位技术[3]｡

基于信号强度的室内定位方法分为经验模型法和信号衰减模型法｡

(1)经验模型法

在经验模型法中,将RSSI数据转换为位置信息的方法主要有判定法和概率法两种｡

(2)信号衰减模型法

信号衰减模型法则无需实地测量位置和RSSI,而是依据信号强度和距离的特定关系,结合三角测量法,根据来自三个(或以上)AP的RSSI来计算出待测点的位置｡

基于TOA的定位模型在开放的室外环境中非常有效,但在室内环境却存在一些问题｡使用超声波虽可克服无线电波传输速度快的问题,但需构建专门的超声波系统｡GPS也主要是针对户外目标设计的定位系统,应用于室内存在定位精度不高等问题｡基于RSS的定位模型中,经验法需进行大量的实地测量,同时无法保护定位用户的隐私;而信号衰减法在室内受NLOS(非视距传播)等因素影响,也使得定位精度较低｡

因此,本文提出了一种基于BP神经网络的室内定位模型并借助MATLAB 7.0加以实现｡采用该方法进行室内定位,不需要WLAN以外的其他资源｡由于不需要知道定位节点和建筑物的详细特性,用户的隐私将随之得到完全的保护｡

2 基于BP神经网络的室内定位模型

BP神经网络通常是指基于误差反向传播算法(Backpropagation)的多层前向神经网络,目前,该算法已成为应用最为广泛的神经网络学习算法[4]｡

BP神经网络采用的是并行网络结构,包括输入层､隐含层和输出层,经作用函数后,再把隐节点的输出信号传递到输出节点,最后给出输出结果｡该算法的学习过程由信息的前向传播和误差的反向传播组成｡在前向传播的过程中,输入信息从输入层经隐含层逐层处理,并传向输出层｡第一层神经元的状态只影响下一层神经元的状态｡如果在输出层得不到期望的输出结果,则转入反向传播,将误差信号(目标值与网络输出之差)沿原来的连接通道返回,通过修改各层神经元权值,使得误差均方最小｡神经网络理论已经证明BP神经网络具有强大的非线性映射能力和泛化功能,任一连续函数或映射均可采用三层网络加以实现｡

计算技术与自动化2007年6月第26卷第2期李 瑛等:一种基于BP神经网络的室内定位模型2.1 样本数据的采集和处理

输入向量为待测点收到的来自至少三个不同位置AP的RSSI值,输出向量为待测点的坐标值(X,Y)｡

样本采集在一个10mX10m的室内场地中进行｡使用3个来自SMC公司的AP和1台配置了ORiNOCO PC CARD的笔记本电脑｡AP及无线网卡符合并工作在IEEE 802.11b标准下｡笔记本电脑所使用的操作系统为RedHat Linux 9.0｡样本均匀分布在6mx6m的中心区域中｡

2.2 网络结构的确定

Kolmogorov定理已经证明[5],任意一连续函数可由一个三层BP 网络来实现｡虽然研究表明三层以上的BP网络可以减少隐含层节点数,提高计算效率,但在缺乏理论指导的BP网络设计中这样做容易使问题趋向复杂化｡因此选择三层BP神经网络,即只有1个隐含层的BP神经网络｡

该网络输入层的节点数由输入向量的维数决定,输入向量的维数是3,所以输入层节点数确定为3个｡输出层节点数由输出向量的维数决定,这里输出节点数为2 ｡

隐含层节点数的选择在BP网络设计中是一个难点,目前还没有理论上的指导｡过多的网络节点会增加训练网络的时间,也会使网络的泛化能力减弱,网络的预测能力下降｡然而网络节点过少则不能反映后续值与前驱值的相关关系,建模不充分｡经反复试验,将隐含层节点数定为30,这样形成了一个3-30-2结构的BP神经网络,如图1所示｡

2.3 学习算法的选择

基本BP 算法采用梯度下降法使得误差均方(mse)趋向最小,直至达到误差要求｡但在实际应用中,存在收敛速度慢､局部极值等缺点｡Matlab 7.0神经网络工具箱中提供了十多种快速学习算法,一类是采用启发式学习方法,如引入动量因子的traingdm 算法､变速率学习算法traingda ､“弹性”学习算法trainrp等;另一类采用数值优化方法,如共轭梯度学习算法traincgf 等｡本研究选择traincgf 算法｡该算法在不增加算法复杂性的前提下,可以提高收敛速度,并且可沿共扼方向达到全局最小点,较好地解决了经典BP算法所存在的收敛速度慢和可能出现局部最优解的问题｡

2.4 BP神经网络的初始化､训练与仿真

1)建立网络

net==newff(P3,[30,2],{′tansig′,′purelin′},′traincgf′)

newff()为建立BP 神经网络的函数;P3为6维矩阵,表示3维输入向量中每维输入的最小值和最大值之间的范围｡[30,2]表示隐层节点数是30,输出层节点数是2,{′tansig′,′purelin′}表示隐含层中的神经元采用tansig转换函数,输出层采用purelin函数,′traincgf′表示选择的学习算法｡

2)权重和阈值初始化

net==init(net)

给各连接权重LW{1,1}､LW{2,1}及阈值b{1}､b{2}赋予(-1,+1)间的随机值｡

3)训练

[net,tr]=train(net,P,T)

P为输入向量,T为目标向量,根据网络学习误差逆传递算法,利用阻尼最小二乘算法迭代,由前一次训练得到的网络权重及阈值训练得到新的网络权重及阈值｡

为了使生成的BP网络对输入向量有一定的容错能力,最好的方法是既使用理想的信号又使用带有噪声的信号对网络进行训练｡具体做法是先用理想的输入信号对网络进行训练,直到起平方和误差足够小;然后,使用20组理想信号和带有噪声的信号对网络进行训练｡经过上述训练后,网络对无误差的信号也可能会采用对付带有噪声信号的办法,这样会导致很大的代价,因此,需要采用理想的向量对网络再次训练,以保证网络能对理想信号作出最好的反应｡

使用函数traincgf对网络进行训练时,当网络平方和误差小于3时停止网络的训练｡训练过程中的误差变化情况如图2所示｡

根据训练后的网络及输入向量进行仿真输出｡

3 实验结果及分析

利用训练后的BP神经网络进行了36次定位,并统计了36次定位的平均误差,结果如图3所示｡

与利用信号衰减模型定位相比(如图4所示),利用BP神经网络定位具有更高的统计精度｡

与信号衰减模型相比,虽然BP神经网络的模型解释直观性略有不足,但却可获得更精确的定位结果｡

利用BP神经网络,虽然可解决传统处理方法所不能处理的非线性映射问题,但在实际应用中,对如何选择和确定一个合适的神经网络结构没有确切的理论指导,只能通过试验―调整―再试验的过程来确定一个合适的网络结构｡同时,BP神经网络的隐含层作用机理和隐含层节点个数的选择是BP神经网络的难点问题｡隐含层的节点个数的选择需反复进行试验,当多次输出结果在一定误差范围内时才可确定｡

4 结束语

本文提出了一种基于BP神经网络的室内定位模型,并在基于IEEE 802.11b标准的WLAN环境中对此模型进行了测试｡一个基于信号衰减模型的定位算法也在同样的环境中进行了测试｡对比结果表明,利用BP神经网络进行室内定位能取得更好的定位精度｡

第3篇：反向传播神经网络基本原理范文

【关键词】BP神经网络；函数逼近

1.绪论

人工神经网络（artificial neural network，ANN）是模仿生物神经网络功能的一种经验模型。生物神经元受到传入的刺激，其反应又从输出端传到相联的其它神经元，输入和输出之间的变换关系一般是非线性的。

1.1 BP神经网络定义

BP （Back Propagation）神经网络是一种神经网络学习算法。相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程。

1.2 BP神经网络模型及其基本原理

网络的输入层模拟的是神经系统中的感觉神经元，它接收输入样本信号。输入信号经输入层输入， 通过隐含层的复杂计算由输出层输出，输出信号与期望输出相比较，若有误差，再将误差信号反向由输出层通过隐含层处理后向输入层传播。在这个过程中，误差通过梯度下降算法，分摊给各层的所有单元，从而获得各单元的误差信号，以此误差信号为依据修正各单元权值，网络权值因此被重新分布。此过程完成后， 输入信号再次由输入层输入网络，重复上述过程。这种信号正向传播与误差反向传播的各层权值调整过程周而复始地进行着，直到网络输出的误差减少到可以接受的程度，或进行到预先设定的学习次数为止。权值不断调整的过程就是网络的学习训练过程。

2.BP网络在函数逼近中的应用

2.1 基于BP神经网络逼近函数

步骤1：假设频率参数k=1，绘制要逼近的非线性函数的曲线。

步骤2：网络的建立

应用newff（）函数建立BP网络结构。隐层神经元数目n可以改变，暂设为n=3，输出层有一个神经元。选择隐层和输出层神经元传递函数分别为tansig函数和purelin函数，网络训练的算法采用Levenberg Marquardt算法trainlm。

同时绘制网络输出曲线，并与原函数相比较，结果如图3.3所示。

其中 “――” 代表要逼近的非线性函数曲线；

“……” 代表未经训练的函数曲线；

因为使用newff（ ）函数建立函数网络时，权值和阈值的初始化是随机的，所以网络输出结构很差，根本达不到函数逼近的目的，每次运行的结果也有时不同。

步骤3：网络训练

应用train（）函数对网络进行训练之前，需要预先设置网络训练参数。训练后得到的误差变化过程如图2.1所示。

步骤4： 网络测试

对于训练好的网络进行仿真：

其中 “――” 代表要逼近的非线性函数曲线；

“” 代表未经训练的函数曲线；

“” 代表经过训练的函数曲线；

从图中可以看出，得到的曲线和原始的非线性函数曲线很接近。这说明经过训练后，BP网络对非线性函数的逼近效果比较好。

3.结束语

神经网络在近几年的不断发展，在人工智能、自动控制、计算机科学、信息处理、机器人、模式识别等众多方面都取得了不错的成绩，给人们带来了很多应用上的方便，和一些解决问题的方法，期待神经网络可以应在在更多的领域，为人类做出更大的贡献。

参考文献：

[1] 刘焕海，汪禹.《计算机光盘软件与应用》. 北京： 高等教育出版社，2011.10：15-30.

第4篇：反向传播神经网络基本原理范文

关键词：网格；资源调度；人工神经网络；BP算法

中图分类号：TP183

Grid resources schedule model based on the BP algorithm

ZHOU Fei-fei，HU Yan-xia

Ministry of Education’s major laboratory of Lanzhou Jiaotong University, Lanzhou,730070

ZhengZhou Urban and Rural Planning Bureau ,Zhengzhou,45000

Abstract: The grid is the main direction of high-performance. The major factor affects the grid functional and the performance is grid resource management and scheduling. Because of the complexity of the grid, its resource management compared with traditional distributed networks becomes more complex. The efficient grid resources management algorithms are hot and difficult of grid study. The neural network has intelligence and can get the best results in complex circumstances. this paper uses BP algorithm to solve the problem of grid resource scheduling. And introduced the concept of grid, back propagation algorithm, and proposed grid scheduling of resources result based on the BP algorithm.

Keywords：grid; resource scheduling；artificial neural network；Back propagation algorithm;

0 引言

网格作为新一代的互联网，是今后高性能计算的主要方向，而有效的资源调度直接影响到网格的功能和性能，因此，对网格资源调度问题的研究具有重要的理论意义和巨大的实践价值。人工神经网络是一种模拟动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，善于在复杂环境下，快速获得满足多种约束条件问题的最优化答案，把神经网络的思想引入到网格的资源调度当中，将二者有效结合，能够更好的解决网格的资源调度问题。

1 网格的基本概念

网格又被称为“下一代互联网”，用于集成或共享在地理上分布的各种资源(包括计算机系统、存储系统、通信系统、文件、数据库、程序等)，使之成为一个逻辑整体，实现资源在网络中的全面共享。

目前，网格技术已经在科学计算领域得到了广泛的应用，很好的解决了分布式超级计算、高吞吐率计算、数据密集型计算等问题。可以预见，随着共享的资源越来越丰富，网格的应用领域将得到更大的拓展。

2 网格中的资源调度

网格中的资源指所有能够通过网格远程使用的实体，包括：计算机软件(比如操作系统、数据库管理系统、应用软件、数据等)，计算机硬件(比如CPU、内存、硬盘、光盘感器、磁带等)，设备和仪器(比如通信介质、天文望远镜、显微镜、传感器、PDA、仪器仪表等)等物理资源以及人类资源(人的知识与能力)。【1】

由于网格是一个开放、动态的互联网并行环境,用户可以从网格的任何地方向网格平台提交应用,而且由于网格所固有的分布性、动态性、异构性以及自治性等特征,使得网格资源、可能随时发生改变。因此，网格资源管理系统是网格的核心组成部分，也是网格的重要研究方向。

2.1 网格资源调度策略

传统的分布式系统中资源管理的主要任务是将多个用户提交的程序调度到一个计算集群中以最大化系统的利用率。即将一个复杂的程序中的多个子程序调度到并行的计算机中以提高计算效率，减少运行时间。

而在网格中，由于网格系统的分布性、异构性和动态性，网格资源管理必须为用户提供可靠的、一致的以及廉价的资源，而不用考虑资源访问点的物理位置。[2]

我们使用有层的层次模型实现资源调度算法。此模型类似于网络的五层沙漏模型。在逻辑上分为三层：用户层、资源管理层及网格资源层。

用户层是网格资源的使用者。各种应用均在这一层实现，该层的需求即网格系统提供的服务，是网格所要达到的目标。在本层中，用户或应用系统通过面向服务的视图向下层中的各种发送用户请求，描述自愿选择、任务进程创建和任务控制等。

资源管理层是本模型的核心层。由各种组成，是网格资源管理的执行者。能够发现、收集和存储不同领域的资源信息；接收用户请求，并按分配策略将所需要的资源分配给用户。

网格资源层是网格系统中的硬件基础，包括各种资源，它是网格资源管理的对象。其基本功能就是控制区域内的资源，向上提供访问这些资源的接口。

由以上分析可以看出，网格资源调度的实质，就是将多个相互独立的任务由各种分配到可用资源上，使得资源得到充分利用并且任务的完成时间最小。

调度算法的目标是将所有的独立的应用任务通过调度到可获得的计算资源中去，从可利用的资源中选取最佳的资源，并尽量减少由于网格的动态性而对网格整体性能的影响。不好的资源调度算法，将会增加任务的执行时间并降低整个网格系统的吞吐量。因此，一个好的源调度算法，需要具有高效性和一定的智能性，使网格用户能够获得所需要的资源，并且确保网格用户不会过量使用资源。

由于神经网络能够模拟人脑的思维模式，具有很好的自适应性和学习能力，能够实现难以用数字计算和技术实现的最优信号处理算法。因此，很适合网格资源调度算法。

3 BP神经网络原理

神经网络是一种模拟动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络能根据系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

3.1 神经网络的概念

国际著名的神经网络专家Hecht-Nielson给神经网络的定义是：“神经网络是一个以有向图为拓扑结构的动态系统，它通过对连续或断续式的输入作为状态响应而进行信息处理”。【3】

神经网络系统是由大量的，同时也是很简单的处理单元（称为神经元），通过广泛地互相连接而形成的复杂网络系统。虽然每个神经元的结构和功能十分简单，但由大量神经元构成的网络系统的行为却是丰富多彩和十分复杂的。

神经网络适合于解决实际问题，它不仅可以广泛应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等工程领域，也可以广泛应用于医学、商业、金融和文学领域。随着神经网络理论本身以及相关理论、相关技术的不断发展，神经网络的应用定将更加深入。[4]

3.2 BP神经网络的概念

BP (Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，全称为基于误差反向传播算法的人工神经网络。BP神经网络是目前研究最多、应用最广泛的神经网络模型。

BP神经网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它使用自适应学习算法，通过反向传播不断调整网络的权值和阈值，使网络的误差平方和最小。

BP神经网络模型拓扑结构包括输入层（input）、隐含层(hide layer)和输出层(output layer)。

通过图可看出，层与层之间的神经元采用全互连的连接方式，通过相应的权系数相互联系，隐含层内的神经元之间没有连接。因此BP网络可以看成是从输入到输出的一种高度非线性映射，映射中保持拓扑不变性，如果隐含层中神经元数目足够多，则BP网络就能模拟任何有理函数。由于BP网络可在多个连续的输入和一个或多个连续的输出之间建立非线性映射这一特性，它常被用于智能预测。从而，我们使用BP神经网络模拟网格资源调度过程。

3.2.1 BP神经网络的工作过程

BP神经网络由信息的正向传播和误差的反向传播两个过程组成：

信息的正向传播过程：

输入层各神经元负责接收来自外界的输入信息，并传递给隐含层各神经元；隐含层负责信息变换，根据信息变化能力的需求，传递到输出层。各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程；输出层向外界输出信息处理结果。

误差的反向传播过程：

当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐含、输入层逐层反传。

周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者达到预先设定的学习次数为止。[5]

4 使用BP神经网络的网格资源调度模型

由于BP神经网络算法响应时间较快，适合大规模分布式的网格资源调度。为了能够最大效率的调用网格资源，我们结合BP神经网络算法思想，提出了基于BP网络的网格资源调度模型。

模型流程如下：

(1)将用户提交的任务请求(包含任务的任务量、通信量、任务提交时间、时间限度等参数)加入到网格中的任务队列排队。任务队列可以根据不同用户的不同需求(用户等级、任务时间相应要求等)对进入队列的任务进行排序。

(2) 调度系统中的计时器，每隔一定时间就从任务队列中取出待处理的任务，并从监视器中获得当前系统资源分配列表。

(3) 根据待处理任务及系统资源，使用BP算法产生一个最优化的任务分配表。

(4) 执行任务分配表中的任务。如果任务顺利完成，则将任务占有的资源释，如果任务失败，则释放该任务所占有的系统资源，并将失败的任务插入到任务队列中，以待下次调度。

(5) 当不能从任务队列中获得任务时，表明所有任务都已经完成。

5总结

在网格环境中，资源调度是一项非常复杂且极具挑战性的工作。计算资源调度的好坏，效率的高低直接关系到网格系统的性能。相对别的网格计算资源调度算法与模型，本文提出使用BP算法的分层资源调度模型。

该模型由调度主程序负责全局资源调度，监控程序监控每个资源任务的完成情况，这种方法在能保证任务完成的前提下，灵活地对网格资源进行配置，充分发挥网格中各节点计算机的计算能力。

参考文献：

1崔飞.基于市场的网格资源调度算法研究[J].中国科技论文在线

2都至辉，陈渝，刘鹏. 网格计算.[M]. 清华大学出版社, 2002

3党建武，王阳萍，赵庶旭. 神经网络理论.[M]. 兰州大学出版社，2005,9

第5篇：反向传播神经网络基本原理范文

关键词：传播受众；网络言论；逆反心理

引 言

互联网的发展使新闻传播与之形成密不可分的关系，网络言论的力量不容小觑，中国的媒体是党政的喉舌，新闻报道最终的受众是老百姓，网络上的言论能够直接反映媒体新闻报道在老百姓中的传播效果，而网络言论中存在传播受众的逆反心理现象，同时也存在因为看了太多拥有逆反心理的网络言论而被再次逆反，站在主流媒体的战队中的网络言论，所以，深入研究网络言论中受众的逆反心理，在实际的新闻报道进行战略传播对国家和民族的意义十分重大。

一、网络言论中传播受众的逆反心理

现在的新闻界面临着一个很大的现实困境，那就是新闻报道让老百姓“老不信”，有时甚至和媒体“对着干”，新闻传播的效果无法实现甚至起到反效果。实际上，这是受众的逆反心理在起作用。大众传播中的受众逆反心理，主要指受众在接触与接受媒体信息过程中，采取与传播者愿望相反的一种心理倾向。主要表现为对传播内容或传播者的不满、怀疑、反感、抵触乃至否定、排斥，是一种对媒介信息做简单的感情的逆向思维和反向理解的心理意识。

二、网络言论中传播受众的“逆反之逆反心理”

网络环境中，逆反心态被放大化而且更加群体化。越是反传统、反主流、反权威就越会受到追捧，越是官方言论、主流观点越是被怀疑；越是正面宣传的东西，越觉得反感；越是批评错误的思想言论，越是会同情；越是宣传积极性的内容，越要彻底否定和怀疑。这种逆反心理一旦形成， 将持续较长时间不易改变，具有一定的稳定性。但是，当导致逆反对象产生的条件根本变化后，原有的逆反心理也会逐渐淡化消失，在一定的条件下甚至走向反面，形成再次逆反，重新回到原有的认识和态度，类比于认识论的“否定之否定”，这里我称之为传播心理的“逆反之逆反”。下面以天涯论坛的一些网络言论为例具体说明。

作为最权威的官媒之一，中央电视台（CCTV）在新闻传播活动中曾经一度因传播方式呆板简单、说教味太浓诱发了部分受众的逆反心理。有人作诗《论央视新闻之我愿生活在新闻联播里》调侃《新闻联播》栏目：“如果生活可以选择，我愿生活在新闻联播里，那里的物价基本不涨，交通基本不堵，环境基本改善，扫黄基本有效，罪犯基本落马。如果生活可以选择，我愿生活在新闻联播里，那里是爱的家园，人间的天堂，那里有人们向往的生活，一个梦的世界。如果有一天，我老无所依，请把我埋在新闻联播里。”虽然CCTV自身在新闻播报方面不断改进，但由于受众逆反心理的稳定性和连续性，网络上这种态度未见有大的改观。去年7月20日，CCTV财经频道的《是真的吗》栏目播出一期节目，称记者在北京崇文门的真功夫、麦当劳、肯德基3家快餐店取得食用冰块后送检，结果显示3家的冰块菌落总数均不符合《冷冻饮品卫生标准》的国家标准。栏目组表示，为了使实验有对比，记者还提取了马桶水作为参照，两相比较，真功夫的冰块菌落总数含量比马桶水高出6倍，而肯德基的高出竟13倍。消息传出，舆论大哗，栏目组随后将这一新闻做成长微博，转发量接近20万，顿时成为全网关注的热点。像以往一样，网络上开始不断有人质疑CCTV这次调查的新闻专业性，整个质疑的高潮出现在网友@dzkkk的一句评论：“央视神记者我们来做个游戏吧，我吃一块肯德基的冰块，你喝一口马桶水，来不来玩？”他的这一质疑被传播的最广，也被认为最有说服力。随后天涯论坛里出现了大量挺CCTV的帖子，特别是一些原本对CCTV报道有逆反心理的网民开始“逆反之逆反”。例如“CCTV假大空的东西的确不少，你要是有自辨能力的话你别信不就行了，曝光个美企看你们一群人高潮了，说肯德基脏了让大家注意点儿有错吗？你爱吃你继续吃啊，曝光地沟油的时候怎么没见你们集体喝地沟油抗议CCTV呢？” “CCTV曝光国内企业，一片喊打，骂企业欺骗消费者；CCTV曝光肯德基、星巴克，一片喊冤，甚至对CCTV冷嘲热讽，说不尊重市场消费者选择。”“人家曝光个肯德基冰块不卫生有错吗？怎么就有那么一群生物跳出来冷嘲热讽，CCTV曝光肯德基，他们就要坚决支持肯德基，还要发动大家吃肯德基以对抗央视。我说这些脑残你们至于么，CCTV是踩到你们狗尾巴了么，跳起来就要咬人。”

著名的“南方系”曾经因为使命感、新颖性和接地气拥有大量的读者群。这些读者中有很大一部分是对传统官媒产生逆反心理而被吸引到“南方系”周围的。但是近年来由于“南方系”频出一些误导性、倾向性甚至不负责任的报道，很多粉丝被重新逆反回原来的阵营。2008年汶川地震《南方都市报》某学者那篇“天谴论”恶心走了大量的拥趸。同是《南都周刊》刊发了《中国高铁，歇一歇又如何》和《拷问中国高铁，为何如此之慢？》，网友发帖说：“中国高铁快了你也有意见，慢了你也有意见，看来你是故意找茬儿的了。”“在南方系控制话语权的时代，你不成为自干五简直无路可走，本人十多年的网络生涯充分证明了这一点。”针对《南都周刊》对福喜食品公司过期肉的报道，有网友发帖说：“假如福喜公司是中国的公司，南都怎么说，大家都猜得到，但是大家猜不到的是，福喜是外国公司，南都会怎么说。我以为，南都会羞答答地报道一下，或者干脆装作没看见。可惜我太缺乏想象力了，当我看到南都关于这件事的反应时，立即给南都跪了。‘橘生淮北而为枳’，真对得起老祖宗。”“不成为自干五得被南都逼疯！什么不要脸的话都给南都说了！” “曾经是南方周末铁杆粉，后来被JY公知生生恶心成自费五毛。”很明显，南方系的上述报道就传播内容看，存在着失实、片面和极端的现象，有着比较明显的双重标准，这是引起网民能逆反之逆反的最主要原因。

对于这种“逆反之逆反”，天涯论坛有个帖子很有代表性：“回想年轻时本人是烦死那些官方宣传的高大上的，越听越听不进去，虽说达不到外国的月亮比中国的圆，但绝对算是个JY。但是不知何时，这种状况又逆转回来了。经常被JY恶心，就又变回自干五了”。“自干五是被公知JY恶心出来的。没错，世界上本来没有自干五，公知JY太恶心了，于是有了自干五。如今的公知JY‘天天上网骂政府、一天不骂不舒服’，以无视这个社会任何进步，无限夸大社会阴暗面为话语特征，利用人性善的一面来忽悠民众，强化社会对立，激化社会矛盾，以此刷良心值，树立社会良心甚至民族脊梁的形象，以满足自己扭曲的存在感、价值感。公知JY们的这种行为实际上还不足以令人作呕，一个心底阳光的人见到的总是阳光，一个心底阴暗的人见到的总是阴暗，这也算正常，但是公知们在看待西方上，有一个一百八十度的大转弯：同样的事情，出现在中国，好事也是坏事，坏事更是坏事，凸显体制弊端；出现在西方，坏事也是好事，好事更是好事，彰显制度优越。公知们这种精神分裂式的看问题方法，彻底让人们从反感走向反胃，于是自干五诞生了。”

群体逆反心理特别容易表现在需要作出价值判断的场合中。当一群人对某个价值观已经厌倦，一旦有人提出了与原价值观截然相反的判断时，就会立刻在群体中引起巨大的共鸣。群体中的成员不假思索地全盘接受了其反面的东西，在另一个极端上产生了思想上的共振，同声相应、同气相鸣，形成一股巨大的能量。现在网络上越来越尖锐的矛盾可以理解为一场舆论的战争。

对传播受众的逆反心理研究的建议

新闻报道的传播受众是广泛的，发表网络言论的人虽然只是新闻报道传播受众的一部分，但是随着互联网的发展，网络言论背后的百姓角色越来越多元化，对传播受众的逆反心理研究更应该看清网络言论是突破口的事实，对网络言论进行深入研究。第一，分析好原有的受众逆反心理；第二，进一步深入研究受众的“逆反之逆反心理”；第三，在除网络之外的实际中做调查问卷，进行数据分析，使研究量化，不单单只看网络上说了什么，更应该分析传播受众的逆反心理和“逆反之逆反心理”在时间差和数量关系，对今后新闻报道的战略传播提供参考。

三、结语：

在舆论战中，民众成为了直接的战场，成为了各方争夺的根本资源，群体逆反心理正是开发利用这种资源的有力工具。新的世纪有一个学术概念一直主导着西方军事思想，这就是“战略传播”（StrategicCommuni-cation，SC），即把各种信息传播活动（在最广泛的意义上）系统地整合起来，作为一种武器来运用。事实上，战略传播是各种传播的一种综合运用，目标是影响被选受众的观点和行为。美国《国家战略传播构架》中专门提到了“信息心理运作”。我国在这方面的研究和运作现在还不够深入，好在国力日渐强盛是不争的事实，民智日益开阔，真正爱国且独立思考的人越来越多，我们应该加强传播受众的逆反心理研究，占领舆论的主阵地，为国家发展和民族进步保驾护航。

参考文献：

[1]奥巴马.报告，2010年3月

[2]韩源，王磊.全球化时代的新闻传播与国家形象宣传战略，西南民族大学学报（人文社科版）2015年3月28日.

第6篇：反向传播神经网络基本原理范文

P图，一个网络流行词汇，一个可以测试你时尚文化关注度与网络活动参与度的热词，如果你对此略知一二，或者索性就是一个P图达人，那么，恭喜你，你是网络文化的见证人与建设者。又或者不幸，你对P图一无所知，一头雾水，那我还是要恭喜你，因为你生活在一个没有时代纷扰的自在空间里，享受着“不知有汉，无论魏晋”般牧歌田园式的纯净生活。所谓P图，又称P或PS，来源于英文PHOTOSHOP的首字母，原意是指使用软件进行照片修图，现泛指经过软件加工的图形图像。这样一个原本专业领域使用的工具，借由数字化影像信息技术和无限链接的互联网络而成为一个大众化社交点心，继而形成网络社交平台一个似乎可有可无，然而却如影相随，无处不在的客观文化存在。正是基于这一现象观察，我们进而发现P图不仅具有浓厚的网络人文艺术特征，且具有与生俱来的现实批判精神和娱乐气质;我们又进而发现P图潜藏着这样或那样的心理动机，具有心理学的学理研究价值;我们还进而发现，P图具有一条饶有趣味的叙事路径，具有消费主义语境上的认识空间……今天，惴惴然将我们的初步观察和思考“发帖”至此，阅读后您如略有所得而高兴的话，请顶帖点赞！如兴味索然而不乐意，您尽管踩帖拍砖！

王健荣

图像抒情及其表意叙事具有悠久的历史与传统，这里暂且不说世界艺术史上灿若繁星、珍若明珠的绘画图像艺术遗存，也不论从古至今那鬼斧神工、撼神动魄的庙宇雕刻遗迹。人类自古以来对图像再现复原的梦想和追求，于1838年8月19日这一天，在法国科学院与美术学院联合集会上，以法国发明家、艺术家和化学家路易・达盖尔的银版摄影术的公布，而标志着一个崭新的图像叙事历史新纪元的到来。人们无论如何都不应忘记摄影术的发明成为图像纪录和叙事发展史上的这一重要历史节点。当然，人类追求文明进步的历史步伐从来就不会止歇，摄影术在经历了一个半世纪的发展后，计算机图像处理技术又给图像艺术的发展拓宽了新的表现空间，增添了一对想象无限的创意翅膀，具有开疆辟土的创新意义。肇始于20世纪80年代，原本服务于专门图像工作的这一技术迅速从专业领域席卷到整个电子消费领域，以致于派生了一个基于计算机图像处理的全新名词“P图”。如果说摄影术的发明为人类打开了一座定格历史的记忆宝库，那么，P图的应时而生则可以说为人类打开了一具启迪现代生活而深藏奥妙的智慧魔方。人们自然要问，究竟是什么让P图具有如此魅力，以致我们不得不产生将视距拉近并聚焦于它的强烈欲望，P图有哪些值得探讨和研究的艺术人文品性，又有哪些深层的社会文化隐喻和精神气质？

一、P图的意涵与传播基础

我们首先要回答一个问题，即何为“P图”？所谓P图是一个网络流行词，它泛指经过图像处理软件处理的图像及其图像处理行为，有时也简称“P”或“PS”，它既作名词也作动词。“P”，即“Photoshop”，它源于20世纪80年代末期，由著名计算机图形图像软件公司Adobe收购的诺尔兄弟编写的一款图像处理插件。这款插件先由托马斯・诺尔初拟，继而他与曾获得奥斯卡奖的视觉特效设计师兄弟约翰・诺尔共同修改。软件从90年代初正式发行到今天已经经过数代更迭，以致如今“Photoshop”已经成为图像加工创意行业的代名词。其次，“P图”具有鲜明的网络文化属性，或许可以说它是网络生态催生出来的一个文化精灵。以“Photoshop”为代表的图像处理软件最初主要用于图像色阶、色调以及照相修片的工作，之后发展为图像特效与后期处理的专门工具。随着国际互联网的普遍运用，尤其是移动即时通讯方式的广泛普及，人们越来越多地开始使用图像作为表达与交流的语言，各种或轻松搞笑，或谐谑幽默，或因时应物，或怀古论今，或图说社会人生的P图在网上疯传。你或许欣赏或许厌倦，都不得不面对这一道网络时代独特的图像文化风景。再次，P图是一个时尚消费的文化符号。之所以说它是时尚消费的文化符号，一方面是因为P图的传播渠道基于电子媒体，具有消费形式上的时尚特性;另一方面，P图内容的消费者不仅对电子媒体具有敏锐性，而且对网络传播方式具有天然的认同感，他们代表着网络时代文化消费的流行趋势;还有一点就是P图作为一种网络文化产品，关注或不关注，认同或不认同，使用或不使用，往往都是一种文化态度，同时也是一枚时尚文化符号标贴。基于上述，我们可以概括地说，P图是一门大众化的技术语言，P图是一个时尚消费符号，P图是时代文化的表征，P图还是网络流行的人文艺术样本。第四，我们要回答P图何以产生的技术基础与外部条件。计算机信息技术的日益成熟，图像处理技术高度自动化和应用大众化，是P图产生的必要物质基础和外部条件。照相成影从复杂高深的银版摄影术到全自动傻瓜式器材;从复杂专业的暗房胶片冲洗成影到数字化可复制可擦除式记录生成;从神秘精深的影像暗房合成到几乎人人可为的数码照相图像合成DIY;“美颜”“美图”唾手可得，图像记录及其应用的一条由专业性到大众化技术路径清晰可见。也正是这一技术路径的演进，使P图融入日常社会生活创造了技术基础。“P”在汉语中作为图像合成拼接之意具体于何时何地何故开始流行不得而知，然而英语字母在汉语中直接使用而表意明确，正像少数高频使用的外来语言一样，具有一定的历史原因和用语情境。当人们说“给你看张P图”，比起说“给你看张使用Photoshop软件拼接合成的图片”，意思明了且十分简洁，只要稍微具有一点网络使用经验的人都能够明白，这或许就是语言的融合与发展吧。

今天，“P”在艺术语义上已经同时具有移置、挪换、嫁接、拼接、合成、组合甚至还有捏造、造假、恶搞等多层含义，具有艺术语言的多义性。从技术层面看，P图一般是指静帧图像的拼接合成，是对现有图像的二次加工创作。但广义的P图则涵盖动态影像、影视摄像中的蓝绿屏抠像等形态，在影视特效和后期剪辑合成方面具有更为广阔的应用空间。进一步来看，现在“P”不再仅仅专指照相图片，其技术概念可以延展为以社会现实为背景，主要以写实影像为表现手段的、经过表达方式卡通化或艺术语言漫画式夸张的图像艺术再创造，带有波普艺术的行为特征，具有普遍的社会学、心理学、新闻学以及人文艺术学的意义。如果说上述图像应用的大众化构成P图的技术基础，那么，网络信息技术及其互动社交媒体的形成就构成P图流行与传播的外部条件。一张创意新颖独特、意蕴丰富的P图，借助互联网络以及微博、微信等移动社交终端，极短时间内就能在公众与彼此紧密关联的朋友圈中迅疾传播扩散，其病毒式传播效度之高、覆盖范围之广、影响人群之深是任何传统媒体所望尘莫及的。

二、P图的语言品性与形式特征

诞生于网络并主要基于网络运行的P图，其基本品性首先无疑是其具有的鲜明网络文化印记。网络文化从建构之初就形成了一种公益、共享、奉献的文化建构氛围。在虚拟的网络社会中，人们努力寻求打破现实社会的世俗文化藩篱和严格的区域化行为羁绊。在这里人们彼此无私分享信息、共筑知识平台、纵情自由地享受着网络冲浪带来的欢愉，应该说早期网络社会具有浓厚的网络乌托邦色彩。尽管随着各国政府将日常管理之手逐渐深度延伸至网络，网络自由空间受到不同程度挤压，但网络的原初文化精神尚存，网络的原创动力尚在。P图正是这一网络精神品质的体现和网络文化创造力的反映。具体分析，网络P图具有如下三个基本特征。一是创作主体的草根属性，这主要体现在创作者身份的隐匿性和非专业性。对于网络P图，人们通常并不知道也不关心作者姓甚名谁，作者亦不寻求“著作”的署名权，至今也没有出现因为网络P图的传播而产生的版权官司。一张好的P图得以传播，读者心娱，作者高兴，如此而已。这种创作主体的草根属性，正是互联网本质特征的反映。当然，冷静观察我们也不难发觉部分网络P图的制作与传播潜藏着某些不为人知的商业行为，如某些商业机构传图目的是为了扩大其站点关注点击率，还如一些利益集团借热传P图搭载其商业链接等行为，但这恰恰反映了这些商业行为本身因循着互联网的起码传播规则。网络P图的第二个特征是作品创作过程和主题内容的现实随机性。网络P图涉及内容可谓包罗万象，表达主题纷繁复杂，作者创作动机五花八门，选题亦因缘于不同的情境，它们有可能源于长期的积累、有可能源于一时的灵感，但更多的是有感而发、随性而起，因而往往具有极强新闻特质以及社会现实的干预性和参与性。网络P图的第三个特征则是作品艺术语言运用的丰富性和视觉语言运用手段的多样性。艺术语言的丰富性恐怕是P图在网络空间得以传播和受到追捧的原因之一。通俗、幽默、反讽、夸张、无厘头等构成P图叙事语言的基本风格。一些看似重大、严肃的主题，甚至有的是涉及国事外交领域的新闻人物和事件，往往通过P图艺术语言的解构而变得诙谐轻松，既表明了对相关人物事件的态度，又让人过目不忘而掩卷深思，嬉笑言谈间完成了对人物品格和是非曲直的评判。这正是P图艺术语言叙事的独特性所在。在视觉语言运用上，P图语言形式之多样、表现手段之丰富，亦构成其重要的艺术形式特征。形象置换、图文互搭、旧图新用、移花接木、张冠李戴以及形象卡通化、叙事漫画化等构成P图主要的形式语言和表现手段。

三、P图的批判精神与娱乐特质

正如前述，P图生于网络，长于网络，浸淫于网络，具有与生俱来的网络文化气质。它对于文化艺术的建构与解构、对人文品性的滋养与消耗、对社会人生的建设与消解，产生着悄无声息、渗透无痕的干预与影响，是一个看似雕虫小技，实则意涵深厚的互联网文化和艺术的存在。它反映了互联网精神的内在实质，隐喻着多样的社会生态和复杂的文化信息。对此，我们可以从以下三个方面加以解读。

第一，互联网的多元文化建构精神。传播学理论大师马歇尔・麦克卢汉说，媒介是人的延伸。他早在20世纪60年代还有个著名的论断，即随着信息化的建设，人类赖以生存的这个星球将成为一个“地球村”。前者论述表明媒体信息技术的发展在不断拓展人的视觉、听觉、嗅觉、触觉等信息获取能力，人类交往的感知空间在不断拉近;而后一论断一方面随着万维网的建设而成为表面事实，另一方面则有异于麦氏的理论推想，信息技术使得网络世界日益“部落化”，一个又一个的“信息茧房”孑然而立，网络社群彼此互建壁垒，甚至走向刀光剑影。 互联网是现实社会的延伸，“地球村”与“信息部落”以各种不同方式呈现，社会思维潮起潮涌、是非曲直纷纷攘攘，思想在这里发声，行为在这里碰撞，网络形成了事实上的多元文化共生并存的局面。P图就是在如此多元的网络文化土壤中孕育成长的。

第二，互联网的批判精神。互联网是一个信息的海洋和知识的宝库，这是尽人皆知的事实。然而，互联网为人所忽视的另一面则是它具有的尖锐现实批判精神。对于历史人文的态度取向、对于现实社会的叩问质疑、对于人情世故的探寻诘问、对于执事行政的旁敲侧击，对此无论是网络意见领袖还是普通网民都可撰文发声，网络P图达人们则乐于拼图嬉笑怒骂，用图说话，如此等等。最大胆、最直接、无保留地表达作者个人对事物的观点倾向，传达社团群体对社会热点的态度意见。这表明网络无疑是观察社会现实的一扇重要窗口，它也客观上承载了相当一部分社会运行的职责。近年来网络新闻热点不断沸腾，网络文化事件层出不穷，现实社会的矛盾冲突转而延伸至网络龃龉，老虎苍蝇的枉法徇私有如过街老鼠成众矢之的，网络社会成为现实社会情绪的宣泄场。所以，在我看来，在一定的社会矛盾中，P图所固有的幽默“图说”往往具有舒缓紧张情绪，开启社会解压阀门的作用。如，2013年3月上线首播，在年轻人群中具有火爆人气的《暴走大事件》，就是一档具有典型P图文化特征，并“集新闻、综艺、文学、心理、历史、地理、政治、化学、生物于一体的全方位脱口秀节目”，主持人头戴一顶巨大的漫画面具，同时使用夸张的图片和文字“用轻松幽默的语言播报生活中一些令人啼笑皆非的新闻事件”可谓谈事件意酣味畅、论褒贬痛快淋漓。又如，近日某知名网络名人移民美国，在美国某华人电视台开设脱口秀大骂中国政府，人们不由得想起他这几年在网络上不断高调的爱党爱国言论，慨叹唏嘘。于是有网友将该人头像P上了美国自由女神像，其笑骂人格分裂之意昭然，其揭底讽刺拿捏之度精准。

第三，互联网的娱乐精神。人类社会从工业文明走向信息文明之时，标明娱乐消费时代的来临，对此，媒体理论学家尼尔・波兹曼曾经向我们发出过“娱乐至死”的警讯，喟叹和忧虑人类“童年的消逝”。的确，娱乐借助于网络之力，其发展之势尤盛，大有娱乐至死方休的态势，网络的泛娱乐化现象是值得警惕的。然而，恰恰在这时，我们不要把泛化娱乐与娱乐精神混同，这是两种完全不同的生活态度和世界观。泛化的娱乐基于昏庸而漫无目的的生活观，其结果是人的意志沦丧，前途渺茫;而娱乐精神则持一种睿智的生活态度和敏锐的现实观察与批判，其目标行为是人的意志力高扬，对现实具有积极而向上的意义。日前，广电总局对正在湖南卫视热播的电视剧《武媚娘传奇》下达停播令，而后再播时观众发现脖子以下镜头悉数被剪，这一行政行为被网友戏称“剪胸令”，引起社会广泛争议。立马有网友P出了各式各色的剪胸图，一张央视新闻联播主持人仅露头部播报新闻的图片尤其令人思绪感慨、忍俊不禁。可见，一起一个不起眼的P图行为，不仅表达了一种态度和意见，也在不经意间调节了个人心情和社会气氛，成为一管生活的剂，体现了互联网的娱乐消费精神。互联网娱乐精神的另一个表现是审美观照上的“逐丑”现象。“丑”作为美学研究的对象，它是审美的一种形态，而基于互联网的波普艺术对“丑”有天然的追逐本能，甚至有人认为“互联网的艺术作品就不该好看，相反，越难看越好。”这种现象当然应该有更深层的原因，但我想从表层看这一方面主要是注意力经济使然，在博眼球、争点赞的网络文化环境下，“丑”不啻为一剂文化调味品，更可以带来实际的流量提升;另一方面也是某种审美心理的需要和满足，在充斥俊男美女图片的视觉审美疲劳下，适度而恰当的“丑”图往往能够带来轻松愉悦之情，还可以拆卸掉世故人情的防备之墙与伪装之心。

第7篇：反向传播神经网络基本原理范文

关键词：人工神经网络 反向传播算法 故障诊断

1 引言

随着经济的发展，空调系统得到了越来越广泛的应用，空调设备已成为重要的生活必备品之一。这就要求空调系统可靠性高且功能齐全，而且在故障诊断维修服务方面达到一定的水平。国内目前的大部分空调系统中无故障诊断系统，当空调系统出现故障后，维保人员往往不能及时、准确地了解系统出现故障的原因及相关信息，空调系统无法得到及时修复，这种情况急需得到改善。

2 关于故障诊断技术

故障诊断FD(fault diagnosis)是一种了解和掌握设备在使用过程中的技术，确定其整体或局部是否正常，早期发现故障及其原因并能预报故障发展趋势的技术。在诊断过程中，必须利用被诊断对象表现出来的各种有用信息，经过适当地处理和分析，做出正确的诊断结论。在制冷暖通空调领域，1987年在彦启森教授的建议下，才开始了故障诊断专家系统在制冷暖通空调领域的研究应用[1]。

3 人工神经网络用于空调系统故障诊断的基本原理

人工神经网络(Artificial Neural Network．简称ANN)正是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络。它是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它实际上是由大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。

典型的神经网络结构如图1所示。

在众多的人工神经网络模型中，最常用的是BP(Back Propagation)模型，即利用误差反向传播算法求解的多层前向神经网络模型[2]。BP网络在故障诊断、模式识别、图像识别、管理系统等方面都得到了广泛的应用。本文讨论利用神经网络中的BP模型进行空调系统的故障诊断。

首先需要进行知识的获取。由专家提供关于各种空调系统故障现象(征兆集)及相应的故障原因(故障集)实例作为学习样本。将数据分为两部分，一部分用于训练网络，另一部分用于测试。将训练网络的数据按一定顺序编码，分别赋给网络输入、输出节点，通过神经网络学习算法对样本进行学习，经过网络内部自适应算法不断修正权值，直到达到所要求的学习精度为止。此时在大量神经元之间联结权值上就分布着专家知识和经验。训练完毕后，再将测试网络的数据从初始状态出发，向前推理，将显示出的故障结果与实际的测试数据结果相比较，如果误差很小，说明网络的权值建立正确；如果误差较大，说明网络的权值建立有误，需要重新进行网络的训练。

将训练样本训练完毕后，即可进行空调系统的故障诊断。只要实际输入模式接近于某一个训练时的学习样本的输入模式，则可产生出接近学习样本的输出结果，也就是所谓的自联想功能。同时，由于网络计算上的大量并行性，当机器运行状况改变，出现网络学习未考虑的情况时，系统亦能给出正确分类结果。同时将新数据并入网络，实现系统的自适应。一般来说，学习的故障实例样本越多，诊断结果的准确率越高。

4 BP学习算法

BP算法因其简单、易行、计算量小、并行性强等优点，是目前神经网络训练采用最多也是最成熟的训练算法之一。BP算法的实质是求解误差函数的最小值问题，由于它采用非线性规划中的梯度下降法（Gradient Descent），按误差函数的负梯度方向修正权值 [3]。其主要思路是如果求出训练网络的指标函数误差：

一般的BP算法称为标准误差逆传播算法，也就是对应每一次输入都校正一次权值。这种算法不是全局误差意义上的梯度下降计算。对各个神经元的输出求偏导数，那么就可以算出误差对所有连接权值的偏导数，从而可以利用梯度下降法来修改各个连接权值。真正的全局误差意义上的梯度下降算法是在全部训练模式都学习完后才校正连接权和阈值。其计算流程如图2所示：

5 故障诊断实例 5.1 空调系统故障诊断的BP网络建立

空调系统故障模式及故障机制分析[4]如表1所示

表1 空调系统故障模式及故障机制分析 表示

符号

表示

符号

房间温度均偏高

1.冷冻机产冷量不足

2.喷水堵塞

3.通过空气处理设备的风量过大，热交换不良

4.回风量大于送风量

5.送风量不足（可能空气过滤气堵塞）

6.表冷器结霜，造成堵塞

相对湿度均偏低

7.室外空气未经加湿处理

系统实测风量大于设计风量

8.系统的实际阻力小于设计阻力

9.设计时选用风机容量偏大

房间气流速度超过允许流速

10.送风口速度过大

第8篇：反向传播神经网络基本原理范文

关键字：小波分析；去噪处理；神经网络；股票预测

一、引言

从股票产生起，人们就开始对它进行各种各样的研究，研究表明股票市场是一个极其复杂的动力学系统。高噪声、严重非线性和投资者的盲目任意性等因素决定了股票预测的复杂与困难。针对股票市场表现的不同特点，人们提出了多种多样的预测方法，常用的预测方法有下面几种：

1.证券投资分析法。这是分析和预测股价变化方向和趋势的方法，可分为基本分析法、技术分析法和组合分析法三大类。

2.时间序列分析法。这种方法主要是通过建立股价及综合指数之间的时间序列相关辨识模型。

3.其它预测方法。如专家评估法和市场调查法等定性方法，季节变动法、马尔柯夫法和判别分析等定量预测方法。

4.神经网络预测法。人工神经网络以其独特的信息处理特点在许多领域得到了成功应用。它不仅具有强大的非线性映射能力，可以实现复杂的因果关系，而且还具有许多优秀品质，如：自适应、自学习和纠错性等。BP神经网络模型作为证券市场预测的基本因果模型，收到良好的效果。

5.小波神经网络预测法。小波神经网络是神经网络的一种改进，它融合了神经网络和小波的优点。与一般的神经网络相比它对高频信号的适应能力更强，预测效果更好[1]-[2]。

由于神经网络具有可任意逼近非线性连续函数的学习能力和对杂乱信息的综合能力，国内外众多学者都曾使用其对股票数据进行预测。White（1992）尝试用神经网络来预测IBM普通股每日的收益率；吴华星（1998）根据自组织模式理论建立了基于前馈神经网络的股票价格预测系统；宋军等（2007）采用Elman回归神经网络分析方法，通过对股票市场的技术指标的建模， 寻求股票价格的变化规律， 实现对股票价格的预测。但是经过研究发现，使用人工神经网络进行预测一旦陷入局部最小值就会使其预测结果大打折扣。王建伟（2004）运用Haar和dbN小波对鞍山信托的收盘价和成交量进行变换再用神经网络对股票价格预测取得了较好的预测结果；兰秋军等（2004）[4]和邓凯旭、宋宝瑞（2006）讨论了小波变换在金融时间序列中的应用，得出小波方法可有效消除金融时间序列中的噪声，并能充分保留原信号的特征；李萍（2010）结合小波变换与神经网络对汇率等一些经济数据进行预测也收到了很好的效果。[5]可见把小波与神经网络相结合的分析预测方法在经济数据预测中能够收到很好的效果。开盘价是股票当天第一笔成交价格，是市场各方对当天股价的一个预期，对股价的走势具有一定的预测作用。本文通过小波对股票每日最高价、最低价以及开盘价进行去噪处理，然后用BP神经网络对开盘价进行预测。避免了非正常价格对股票的影响，提高了预测的精度。

二、小波消噪的基本原理

小波分析方法是一种窗口大小固定但其形状可以改变，时间窗和频率都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，所以被誉为数学显微镜，正是这种特性，使小波变换具有对信号的自适应性。小波分析有两个显著特点：一是在时域都具有紧支集或近似紧支集；二是正负交替的波动性。小波分析是将信号分解成一系列小波函数的叠加，而这些小波函数都是由一个母小部进行比较，获取的是信号的高频部分。小波分析理论有一个重要的特色就是可以进行多分辨率分析。信号可以通过多层次分解为反映高频信息的细节部分和反映低频信息的概貌部分，通过这种多分辨率分解，信号和噪声通常会有不同的表现，从而可达到信噪分离的目的。综上所述我们可以利用小波函数去除股票价格信息中包含的噪声因素。

三、BP神经网络

BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐含层（hide layer）和输出层（output layer）。它是利用非线性可微分函数进行权值训练的多层网络，具有极强的容错性、自组织和自学习性，有着较好的函数逼近和泛化能力[6]。

BP神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。[7]-[9]

在金融数据分析预测中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方法准确建模。在这种情况下，可以建立BP神经网络表达这些非线性系统。该方法把未知系统看成是一个黑箱，首先用系统输入输出数据训练BP神经网络，使网络能够表达该未知函数，然后就可以用训练好的BP神经网络预测系统的输出。本文将把股票每日的最高价和最低价作为输入，股票每日的开盘价作为输出训练神经网络，使得训练后的神经网络能够预测股票开盘价的输出。

四、实例分析与结果

第9篇：反向传播神经网络基本原理范文

关键词：高速/高精实现 BP神经网络 PID控制器 AHP回收评估

中图分类号：TG659 文献标识码：A 文章编号：1007-9416（2015）07-0000-00

1 数控机床及其发展历史

数控机床是采用数字控制技术对机床加工过程进行自动控制的一类机床。在1952年，美国研制出世界上第一台数控机床后，其他工业国家相继对数控机床进行研制。我国在1958年也研发出第一台数控机床。从这一阶段起，由于其自身在精度和可控度方面的自然优势，数控机床逐渐取代了传统加工机床，成为制造行业的中坚力量。

2 数控机床在动力源上的改善

提高生产率最主要、最直接的方式是提高加工速度，而高速加工与高速数控机床的开发应用紧密相关。为实现高速、高精加工，与之配套的功能部件如电主轴、直线电机等得到了快速发展，其应用领域逐步扩大。高频电主轴、直线电机、转矩电机等越来越多地应用在高档数控装备中。这些新兴电机集成了机械传动结构和电气动力源，也实现了高速高精化，且高度集成，使得机床体积不断减小。

数控机床未来在动力源上将有如下的几种优化方式：

（1）利用高频电主轴。高频电主轴直接将电动机装配在主轴中，不需中间传动环节，是高频电动机与主轴部件的集成，具有体积小、转速高、可无级调速等一系列优点。在多工件复合加工机床、多轴联动多面体加工机床、并联机床和柔性加工单元中，电主轴更有机械主轴不可替代的优越性。

目前，利用高性能电主轴替代复杂的机床传动箱体系统已经成为主流。这样一方面减少了复杂传动系统所致加工精度的降低，又可以尽可能缩小机床体积。

（2）直线电机。直线电机专为动态性能和运动精度要求高的机床设计，虽然其价格高于传统的伺服电机，但它大大简化了机械传动结构，有效提高了机床动态性能。直线电机驱动的工作平台具有高速、高加速度、高精度、行程不受限制等特点，因而满足现代数控机床对于进给伺服电机的要求。

当前主流数控机床的运动主要是电机带动滚珠丝杠副，从而将角位移转化为直线位移，运动误差是电机误差和滚珠丝杠副制造安装误差的累积。但如果采用直线电机的传动链没有误差，所有的误差来源于电机，这样就更容易实现精确控制。基于此，未来数控机床的工作台将会由高性能直线电机直接驱动。

（3）转矩电机。转矩电机是一种同步电机，其转子直接固定在所要驱动的部件上，因而没有机械传动元件，它像直线电机一样直接驱动装置。转矩电机所能达到的角加速度比传统的蜗轮蜗杆传动所能达到的角加速度高6倍，应用于摆动叉形主轴头时加速度可达到3g。由于转矩电机可达到极高的静态和动态负载刚性，因而能大大提高回转轴和摆动轴的定位和重复定位精度。

机床加工工件过程中，有时需要低转速大转矩的动力输出，用蜗轮蜗杆传动或液压辅助回路实现虽然各具一定的优点，但都需占用较大的体积。转矩电机的出现及其性能的不断改进有望在未来成为解决这类问题的有效手段，在保证加工精度的基础上减小机床体积。

3 数控机床未来的“智能神经系统”

数控系统在控制性能上正向智能化发展。随着人工智能在计算机领域的渗透和发展，数控系统引入了自适应控制、模糊系统和神经网络的控制机理，不但具有自动编程、前馈控制、模糊控制等功能，而且人机界面友好，并具有故障诊断专家系统。伺服系统智能化的主轴交流驱动和智能化进给伺服装置，能自动识别负载并自动优化调整参数。

神经网络模型现在已经成功地运用于模式识别。事实上，我们工程当中遇到的许多问题从本质上讲几乎没有完全的线性模型，人们根据自己经验对非线性问题做出各种假设和逼近，从而使得非线性问题转化为线性问题。这个过程事实上就是一种建模，模型不能完全反应系统的原理。但是产生的误差可以接受。利用神经网络来构建智能系统其实就是在模仿这个过程，仿真一个“人脑”然后“集成”到数控机床中去。为了对这种手段的可行性进行更加有力的论证，下面简单地用一个基于BP神经网络的PID控制环节仿真来说明问题。

3.1基于BP神经网络的PID控制环节仿真

BP（BackPropagation）神经网络由以Remerhalt和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。选用BP神经网络的原因是它和我们要仿真的PID控制的控制方式比较类似，可以使得仿真工作量减少。

BP神经网络由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度或预先设定的学习次数为止。

神经网络在控制过程中处于不断地“学习”输出状态，输出参数就是PID控制器的三个关键参数：比例系数kp、积分系数ki、微分系数kd，如图2所示。反映这个“智能”PID控制器调整过程的误差曲线中表示的是相对误差，单位是10-3，如图3。

从上面的仿真过程可以出，并不只限于PID控制器，基于神经网络模型可设计出各种具有智能参数选择的数控机床控制系统。

3.2基于神经网络模型的工艺参数及流程设计智能系统

利用神经网络的原理，用以往的参数选择来“训练”工艺选择的神经网络，可以对未知情况做出更理想的非线性预测，使数控机床在加工时实现真正的智能化。

现有的关于神经网络的应用方式大多把神经网络选择参数的过程看作是一种优化算法，这样的理解是普遍接受的。但是，依旧可以把神经网络看成是一个具有智能的“大脑”，它选择参数的过程就是“思考”、“学习”的过程。然而这样认为可能会引起很多人的疑问――神经网络的输入输出都是矩阵，如何来对复杂的外界进行认知，学习呢？对于这个问题可以效仿早期使用单片机时的做法――引入类似译码器的东西，即对于外界的事物可以进行编码作为输入。根据上面的基于BP神经网络的PID仿真过程已经说明引入神经网络来完成智能的“思考”具有很高的可操作性。同样，利用神经网络来使得数控机床自己“知道”加工所需的材料及参数也非常可行。对于材料，可以把各种钢编号，神经网络的输出中某些具体的数就对应这种编号，从而表示出机床的选择。然后不断完善其它的参数输出，使整个系统具有一定的复杂性和可靠性，最终可以达到大量应用的目的。

要完成这个目标有一个无法回避的问题，并且是实现这个技术的关键问题：在PID仿真的过程中，理想输出就是一个正弦波，可以用一个误差函数精确地说明离最终目标还差多少，神经网络还要修正多少。但是，如果引入不表示数量只表示编号的数值，神经网络就无法确定调整量，无法精确描述反馈。显然，实现这个技术目前需要解决的主要问题就是如何科学合理地刻画这些模糊的输出误差，从而来调整网络参数。如果这个问题得到了一般性的解决，真正的含有“大脑”的智能化数控机床也就指日可待。

4 数控机床回收再制造科学评估系统

制造业给人类带来了前所未有的文明和财富的同时，也带来了不可忽视的环境问题。现在逐渐盛行的“绿色制造”将会深深地影响数控机床产品的生命周期。

用绿色制造的观点来看待废旧的数控机床，可以发现，废旧数控机床是一种具有很高的回收再利用价值的机电产品。它具有很高的经济价值，数控机床制造需要消耗大量普通钢铁材料及部分高档钢材，数控机床的回收再利用可以二次使用钢铁资源，从而大大避免资源浪费；其次回收数控机床具有很好的环境价值，数控机床中的电子元件的处理可以避免破坏生态环境；此外，数控机床机械部分具有耐久性，性能稳定的特点，适合于循环回收再利用；同时，数控机床属于标准化产品，功能部件互换性好，这大大简化了回收再利用工艺。近年来先进的机床机械功能部件、驱动系统和控制系统的发展为数控机床的回收再利用提供了良好的技术支撑，使得其具备一定可行性。基于以上分析，数控机床未来再制造产业将会成为数控机床产品不可或缺的来源。

考虑到未来的设计理论应该更为完善，这里假设数控机床的设计者普遍不考虑如何设计机床机构来提升其可回收性。那么，在未来一个自然而然的需求就是，数控机床的再制造需要一种普适性的理论来提高效率。目前国内外使用的评价方法有：模糊层次评价法、加权评分法、层次分析法等。

相对来说比较成熟的评价决策方法是模糊层次评价法，其具体步骤如下：

（1）对构成评价系统的目的、评价指标建立多级递阶的结构模型；

（2）对同属一级的要素以上一级的要素为准则进行两两比较，根据评价尺度确定其相对重要度，建立判断矩阵；

（3）解权重判断矩阵，并检验每个矩阵的一致性，计算出最底层指标的组合权重；

（4）建立最底层评价指标的隶属函数，求出隶属度；

（5）对待评价对象进行综合得分分析。

为使判断定量化，一般都引用1～9的比例标度法。之后再写出一致化矩阵，计算一致性比例，从而可用反向断定一开始决策时对各个指标的偏重是否存在不一致性。反复迭代修改最终可以评价出废旧数控机床的合理回收工艺方案。

这样的方法使决策者可利用数学方法来避免思维的不一致性，并且方法本身和机床的具体结构没有任何关系，所以又符合之前提出的普遍适应的需求。

参考文献

[1]李斌，李曦.数控技术[M].武汉：华中科技大学出版社，2010.

[2]王建明.电机及机床电气控制[M].北京：北京理工大学出版社，2012.

[3]Simon.Haykin.神经网络原理[M].机械工业出版社，2004.

[4]闫晓玲，冷崇杰.机床数控化再制造[J].北京工商大学学报.