基于LabVIEW实现的BP神经网络

刘姝敏刘海龙国网山西省电力公司检修分公司国网太原供电公司



基于LabVIEW实现的BP神经网络

刘姝敏1刘海龙2
国网山西省电力公司检修分公司1国网太原供电公司2

摘要：图形化编程环境LabVIEW编写图形化语言程序可以有效提高设计者的编程效率人工智能可以利用计算机模拟人类大脑的思维。基于LabVIEW编写的BP神经网络，可以方便灵活的应用于人类的各种生产经营活动。

关键字：LabVIEW BP 神经网络

1　LabVIEW简介

虚拟仪器LabVIEW是美国国家仪器公司提供的图形化编程环境，专为测量、数据分析而设计的。LabVIEW拥有庞大的函数库和子程序库，涉及数据采集、GPIB、数据分析、数据显示、数据存储和通讯等函数库和子程序库。LabVIEW不同于C 、C++ 和java 等文本方式编程语言，它不仅是图形化的编程语言，还提供编程环境和运行系统。相对于传统的编程语言，虚拟仪器LabVIEW更具灵活性，编写图形化语言程序可以有效提高设计者的编程效率。LabVIEW程序是由虚拟仪器VI组成的，一个LabVIEW程序可以由一个或多个VI组成。每个VI由前面板、框图和图标三部分组成。LabVIEW的前面板模拟了物理仪器的前面板，是交互式用户界面，包含旋钮、按钮、指示器、图形和其他控件；框图是设计者编写的程序源代码，框图由低级VI、内置函数、常量和程序执行控制结构等组成，由连线将适当的对象连接起来定义各组成元素的数据流；图标是VI的图形表示，使VI可以在另外的VI框图中使用。

虚拟仪器是分层和模块化的程序，利用这种模块式的编程方式，可以实现模块化编程，每一个VI都可以作为上层程序或子程序。设计者在编程时，可以将程序功能划分为多个子任务，按分层、分级的思想逐个实现每一个任务。另外由于每一个任务都是一个VI，每一个VI都可以单独执行，便于设计者进行调试。

2　BP神经网络原理

人工智能是指用计算机模拟人类大脑的思维。人工神经网络是人工智能的一个分支，因其具有智能的学习能力、可以并行模拟人脑的功能而被广泛研究和应用。在人工神经网络发展的几十年历史中，已经成功地开发出数十种神经网络，包括ART网络、BP网络、RBF 网络、Hopfield 网络、自适应共振网络和小波神经网络等。在众多神经网络之中，反向传播网络（BP）是目前应用最为广泛的一种神经网络。BP网络是一种前向多层的误差反传学习算法，它不仅具有输入和输出层，还具有一层到多层的隐含层。为三层BP神经网络的结构图。BP神经网络的学习过程由正向传播和反向传播两部分组成，在正向传播过程中，输入数据经输入层、隐含层的处理后传向输出层，利用输出层误差估算输出层的前导层误差，再用这个误差估算前一层的误差，如此反复反传误差，直到确定输入层误差为止。

BP神经网络的每一层神经元都只影响下一层神经网络的状态，当输出层不能得到预期的理想输出时，BP神经网络进入反传模式，通过误差的形式，将误差从输出层向输入层各层依次调整各层的权值和阈值，从而逐级减小误差，直到达到系统设计的精度为止。BP神经网络实际原理就是通过求误差函数的极小值，反复训练BP神经网络，使权值和阈值沿着误差函数的负梯度改变，直到收敛于最小点。

采用梯度下降法的三层BP神经网络算法计算过程如下：设x i 为输入层第i 个神经元的输入值；y k 为输出层第j 个神经元的输出值；tk 为输出层第j 个神经元的理想输出值；w ji为隐含层第j 个神经元到输入层第i个神经元的权值；vkj为输出层第k 个神经元到隐含层第j个神经元的权值。3 BP神经网络程序设计为实现BP神经网络，采用虚拟仪器LabVIEW作为BP神经网络的训练和应用平台，利用LabVIEW提供的数学和矩阵工具函数进行BP神经网络的设计。

3　结论

利用LabVIEW中编写的BP神经网络训练程序，对多个函数及数学样本进行训练，训练后得到权值矩阵，进行应用。经验证，用LabVIEW中编写的BP神经网络成功率高达99.99%，误差小于0.01% 。LabVIEW中编写的三层BP神经网络为人工智能的实现提供了一种简洁、直观的实现方法。

参考文献

［1］ Travis J，Kring J ．LabVIEW大学使用教程（第3版）［M］.乔瑞萍，译.北京：电子工业出版社，2008.

［2］ 虞和济，陈长征，张省，等．基于神经网络的智能诊断［M］.北京：冶金工业出版社，2000.

［3］ 敖志刚．人工智能及专家系统［M］.北京：机械工业出版社，2010.