第 25 卷 第 5 期 　　　　　佳 木 斯 大 学 学 报 ( 自 然 科 学 版 ) 　　 　2007 　年 09 月 　　　　　Journal of Jiamusi University (Natural Science Edition) 　　 Vol. 25 No. 5 Sep . 　2007 文章编号 :1008 - 1402 (2007) 05 - 0587 - 03 基于 Simulink 的 BP 神经网络实现研究 ① 张秀艳 , 　陶国彬 , 　刘庆强 (大庆石油学院电气信息工程学院 ,黑龙江 大庆 163318) 摘 　要 : 　BP 神经网络是人工神经网络中的一个典型代表 ,但利用 BP 神经网络解决实际问题 时 ,经常涉及到大量的数值计算问题 ,而运用计算机高级语言编程对 BP 神经网络模型进行仿真 和辅助设计是件十分麻烦的事情 ,为了解决这个矛盾 , Matlab 中的 Simulink 提供了大量的可用于 实现 BP 网络的模块 ,本文通过应用 Simulink 中的模块构建了一个 BP 网络 ,并通过一实例验证了所 构建的 BP 网络的可行性. 从而使应用 BP 网络来解决许多领域的实际问题变得非常方便和有效. 关键词 : 　Simulink ;BP 神经网络 中图分类号 : 　TP183 　　　　文献标识码 : 　A 0 　引 　言 人工神经网络 1 以其具有信息的分布存储 、并 行处理以及自学习能力等优点 , 已经在模式识别 、 信号处理 、智能控制及系统建模等领域得到越来越 广泛的应用. BP 神经网络是人工神经网络中实际较为广泛 的一种网络 ,其学习算法通常较复杂 , 难以通过手 工编程来实现. 因此 , 采用计算机辅助来进行神经 网络的设计与分析是必然的选择. Simulink 就是其 中较为优秀的一种方法. Simulink 是 MathWorks 公司开发的一个有重要 影响力的软件产品 ,是基于 MATLAB 的图形化仿真 环境. 它使用图形化的系统模块对动态系统进行描 述 ,并在此基础上进行动态系统的求解. Simulink 作为 MathWorks 公司推出的系统级的仿真平台 ,使 用高级图形技术 ,具有优秀的用户界面 ,并且提供 大量的系统内置模块. 图形化的仿真与设计环境使 得 Simulink 的应用越来越广泛. 网络同层节点没有任何连接 ,隐层节点可以有 一个或多个. 网络的学习过程由正向和反向传播两 部分组成. 在正向传播中 ,输入信号从输入层节点 经隐层节点逐层传向输出层节点. 每一层神经元的 状态只影响到下一层神经元网络 ,如输出层不能得 到期望的输出 ,那么转入误差反向传播过程 ,将误 差信号沿原来的连接通路返回 ,通过修改各层神经 元的权值 ,逐次地向输入层传播去进行计算 ,再经正 向传播过程 ,这两个过程反复运用 ,使得误差信号最 小或达到人们所期望的要求时 ,学习过程结束. 图 1 　BP 网络模型 利用神经网络工具箱进行设计和仿真的具体 步骤 : 1) 　确定信息表达方式 :将实际问题抽象成神 本文以 Simulink 作为仿真平台 ,讨论利用其构 经网络求解所能接受的数据形式 ; 建 BP 网络模型 ,并给出了一个应用实例. 1 　BP 神经网络的结构与学习原理2 2) 　确定网络模型 :选择网络的类型 、结构等 ; 3) 　选择网络参数 :如神经元数 ,隐含层数等 ; 4) 　确定训练模式 :选择训练算法 ,确定训练 BP 网络 3 是一种多层前馈神经网络 ,由输入 步数 ,指定训练目标误差等 ; 层 、隐层和输出层组成. BP 网络模型结构见图 1. 5) 　网络测试 :选择合适的训练样本进行网 ① 收稿日期 :2007 - 06 - 19 基金项目 :黑龙江省教育厅科学技术研究项目 (11521014) . 作者简介 :张秀艳 (1976 - ) ,女 ,黑龙江大庆人 ,大庆石油学院电气信息工程学院讲师 ,主要从事信息处理方面的研究. © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net 

2 佳 木 斯 大 学 学 报 ( 自 然 科 学 版 ) 2007 年 885 络测试. 由以上过程可以看出 ,编程实现 BP 神经网络 较为复杂 ,另辟其径 ,我们可以采用 Simulink 中的 神经网络模块库和基础模块库来构建其模型. 图 2 　BP 网络模块图 图 3 　噪声抵消系统 Simulink 仿真模型 2 　应用 Simulink 构造 BP 神经网络 Simulink 4 构建 BP 神经网络模型只需知道网 络的层数 、权值和各阈值即可 ,避免了编写复杂而 庞大的算法程序的困扰 ,具体做法为 : 图 4 　原始 sine 信号 　　图 5 　被随机噪声污染以后的信号 利用 Simulink 中 Nenral Network Blockset 库中的 netsum ,tansig ,purelin ,dotprod 模块 ,Simulink 中 Math Operations 库中的 Sum 模块 , Sinks 库中的 Out1 模 块 ,Sources 库中的 In1 模块和 Constant 模块构建一 个具有四层的 BP 网络 , 如图 2 所示. 其中 , Con stant1 和 Constant1 为网络的阈值 ,其余的常量模块 为层与层之间的连接权值. 针对不同的 BP 神经网 络 ,只要修改相应的层数 、阈值和权值即可. 为了验证其有效性 ,下面给出一个利用 BP 神 经网络进行函数逼近的例子. 3 　BP 网络的 Simulink 设计实例 (基于 sine 波形的建模与仿真) 　　应用上述构建的 BP 神经网络模型 ,针对噪声 抵消系统 ,建立如图 3 所示的 Simulink 仿真模型 , 其中 Atomic Subsystem 为图 2 所述的 BP 神经网络 模型. 在建立了基于 BP 神经网络的噪声抵消系统 的 Simulink 模块之后 ,我们就可以得到下面的结 果. 如图 4 所示是原始 sine 信号 ,如图 5 所示是被 随机噪声污染以后的信号 ,而如图 6 所示是经过噪 声抵消后的信号 ,图 7 所示为噪声抵消后的信号与 原始信号差方后的波形. 可以看出 ,使用 Simulink 使系统模块化 ,工作 © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net 

第 5 期 量大大减少. 张秀艳 ,等 :基于 Simulink 的 BP 神经网络实现研究 985 形界面 ,免去了繁琐的编程过程 ,通过实例 ,验证了 所构建的 BP 神经网络的正确性和可行性. 参考文献 : 1 　飞思科技产品研发中心 , 神经网络理论与 MATLAB7 实现 M . 北京 :电子工业出版社 ,2005. 2 　张珍 ,李雷. 基于 MATLAB 的神经网络的仿真 J 长沙通信职 业技术学院学报 , 2007 , 6 (1) :42 - 45. 3 　周振民 ,刘荻. 基于 Matlab 的人工神经网络用水量预测模型 J . 中国农村水利水电 , 2007 , (4) :45 - 49. 4 　沈辉. 精通 SIMULINK系统仿真与控制 M . 北京 :北京大学出 版社 ,2003 ,48 - 224. 图 6 　经过噪声抵消后的信号 　图 7 　噪声抵消后的信号与原始信 　　　　　　　　　　　　　　　　号差方后的波形 4 　结 　论 BP 网络是一种优秀的神经网络 , 通过应用 Simulink 构建了其模型 ,提供了非常方便用户的图 The Explores of the BP Neural Net work Implement Based on Simulink ZHANG Xiu - yan , 　TAO Guo - bin , 　LlU Qing - qiang ( Faculty of Electricity and Information Engineering , Daqing Petroleum Institute , Daqing 163318 , China) Abstract : 　The BP neural network is representative commissary of the ANN , but a lot of numerical value must be calculated to solve the problems with the BP neural network , so it’s very troublesome to simulate and design BP networks of ANN by programming with advanced computer language. Many of modules to implement the BP neural net work are provided with Simulink in Matlab to solve this problem. In this paper , the BP neural network is designed based on modules of Simulink. A practical example verifies the practicability of the BP neural network . The BP neural network used to solve practical problems from many fields becomes much more convenient and effective. Key words : 　Simulink ; BP neural network (上接 586 页) Green Organic Light - emitting Diodes Based on Tandem Structures GUO Fa - wen , 　DENG Zhen - bo ( Institute of Optoelectronic Technology , Beijing Jiaotong University , Beijing 100044 , China) Abstract : 　Green OLEDs based on tandem structure was fabricated which is electrically connected two EL units in series by using a charge generation layer. It should be noted that the emission of one EL unit is practically indepen dent on the emission of the other EL unit in the tandem device. The two units behave as if they are individual devices simply connected in series. Key words : 　organic light - emitting diodes ; tandem structure ; dye doping © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net