基于 RBF 神经网络照明定量计算应用.doc
《基于 RBF 神经网络照明定量计算应用.doc》由会员分享,可在线阅读,更多相关《基于 RBF 神经网络照明定量计算应用.doc(4页珍藏版)》请在三一文库上搜索。
1、精品论文推荐基于 RBF 神经网络照明定量计算应用林锦 辽宁工程技术大学理学院,辽宁阜新(123000) E-mail: 摘要:论文提出了基于 RBF 神经网络的定量照明计算方法。照明计算方法比较复杂。还要依据大量的数据表格,并不是你想要数据就能得到相应的数据。观测数据处理、函数近似 表示方法常用的有插值法、样条函数法、多项式拟合法,他们存在着精度不理想、设计复杂、计算困难或病态方程等问题。人工神经网络具有很强的自学、概括和推广能力,基于这些问 题,利用神经网络对照明定量计算所需数据(其中大量属于非线性)进行存储和表征,能使新 的输入产生合理输出,以达到减少重复计算和方便查阅大量数据表格的目标
2、,能够大大减轻工程人员工作量和提高照明设计的精度。关键词:灯具利用系数;照明定量计算;RBF 神经网络1. 引言在建筑电气设计中,照明计算2往往是极其繁琐的,他不仅计算量大,而且常是枯燥的 重复计算,需要查阅大量的数据表格,并对获得的数据进行修正。对于这些离散的数据表格, 很多情况下工程设计人员找不到完全对应的数据,只能取相邻的数据,因此存在着较大的计 算误差,这些因素使工程设计人员对光源定量计算感到困难。基网络(RBF) 1能够逼近任意 连续的非线性函数,可以处理系统内在的难以解析的规律,理论证明在前向网络中RBF网络 是完成映射功能的最优网络。本文基于RBF拟合快速、精度高的优点,利用神经
3、网络对照明 定量计算所需数据(其中大量属于非线性)进行存储和表征,能使新的输入产生合理输出,以 达到减少重复计算和方便查阅大量数据表格的目标,能够大大减轻工程人员工作量和提高照 明设计的精度。2. RBF 神经网络2.1 RBF 模型RBF 网络输出层可以只有一个节点,也可有多个输出节点,RBF 神经网络隐含层由一 组径向基函数构成。一般隐含层各节点采用相同的径向基函数,当基函数取高斯函数时,网 络输入与输出之间可认为是一种映射关系,可表示为:其中 Ci=ci1,ci2,cim为高斯函数 的中心;Xk=xi1,xi2,xim为输入样本;i 为高斯函数的方差;Wi 为隐含层与输出层间的权值;yk
4、i 为 k 样本第 i 个输出。RBF 网络是一种单隐层前馈网络,其输出节点计算为隐节点给出的基函数输出的线性 组合,其中隐层中的基函数对输入激励产生一个局部化的响应,即每一个隐节点有一个称之 为中心的参数矢量,该中心用来与网络输入矢量相比较以产生径向对称响应,仅当输入落在 一个很小的指定区域中时隐节点才做出有意义的非零响应,响应值在 01 之间。输入与基 函数中心的距离越近,隐节点响应越大。若 i 值过小,则网络对噪声太敏感,易失真;若 i 过大,会使网络丧失区分和拟合的能力,因此 RBF 网络3需要选择合适的 i 值。而输出单 元一般是线性的,即输出单元对隐节点输出进行线性加权组合。- 4
5、 -2.2 RBF 神经网络的学习算法RBF 网络需要学习的参数有 3 个:基函数的中心 ci,方差 i 以及隐含层与输出层间的 权值 Wi,根据径向基函数中心选取方法的不同,最常见的学习方法有:自组织选取中心法、 正交最小二乘法等方法。自组织学习过程中确定 ci 和 i 的方法是聚类方法。聚类方法就是把样本聚成几类,以 类中心作为各 RBF 函数的中心,常用的方法有 k 均值聚类法。权值 W 的学习算法可用 LMS(最小均方误差)方法、也可直接用伪逆法或最小二乘法求解。其中 LMS 权值 W 的调整 规则为:这里 X(n)为隐含层输出;w(n)为权值向量;d(n)为期望输出; 为学习速率;n
6、 为迭代 次数。RBF 神经网络结构简单,其设计比普通前向网络训练要省时得多。如果隐层神经元 的数目足够,每一层的权值和阈值正确,那么 RBF 函数网络就完全能够精确地逼近任意函 数,方便地存储和表征照明计算、建筑电气计算所需的大量非线性数据。3. 基于 Matlab 的应用实验不失一般性,对照明工程设计中的点照度计算进行了试验。点照度 L 的计算通常已知 h, 由灯具照射角*查表获得光照强度 I 后(见表 1),采用式(3)进行计算,若表中无对应数据则 取相邻值,这便存在着较大计算误差。使用 RBF 网络在照射角*和光照强度 I 间建立映射关系,以求取任意入射角的光源直 射点的光强:3.1
7、样本的选择RBF 网络对样本噪声“敏感”,若学习样本本身带有误差和干扰,系统输出会出现较大误 差,因此在考虑样本的多样性与均匀性的同时,应确保样本的准确性,去除异常的样本数据。3.2 训练数据归一化对数据的归一化处理具有避免神经元出现饱和,能够使各输入分量有同等重要地位,防 止数值大的输出分量绝对误差大,数值小的输出分量绝对误差小,从而有利于依据总误差对 权值进行调整的作用。通常可在输入层用式(4)将数值换算为0,1区间的值,在输出层用式 (5)将数值换回。其中:xi 表示归一化后的输入或输出数据;xmin 代表数据变化的最小值;xmax 代表数 据的最大值。如表 1 所示,某金素灯照射角*,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 RBF 神经网络照明定量计算应用 神经网络 照明 定量 计算 应用
链接地址:https://www.31doc.com/p-3623214.html