[发明专利]BP神经网络结构优化方法

权利要求书

1.一种BP神经网络结构优化方法，其特征在于，包括如下步骤：

（a）首先确定输入层神经元数目（N_in）和输出神经元数（N_out）；

（b）利用所述输入层神经元数目和所述输出神经元数确定所述神经网络的隐含层单元数（N_hid）的取值范围；及

（c）获得所述取值范围中各值的最小均方误差（Mse），并以所述最小均方误差所对应的所述隐含层单元数（N_hid）为最佳隐含层单元数（N_hid）。

2.根据权利1所述的优化方法，其特征在于，以经验公式为基础确定的隐含层单元数的取值范围n₁≤N_hid≤n₂，n₁为隐含层单元数最小取值，n₂为隐含层单元数最大取值。

3.根据权利2所述的优化方法，其特征在于，所述经验公式为N_hid＝log₂N_in，N_hid≤p/[R+(N_in+N_out)]，和N_hid≤2N_in+1，其中p是训练样本集的总体数目，5≤R≤10。

4.根据权利3述的优化方法，其特征在于，首先确定一个三层BP神经网络模型，然后通过训练所构建的网络模型得到所述网络模型的所述均方误差（Mse）。

5.根据权利3述的优化方法，其特征在于，所述步骤（c）包括如下步骤：

（c1）根据所述取值范围中的最小取值（n₁）确定所述隐含层单元数为，以确定一个三层BP神经网络模型，并且通过训练所构建的网络模型得到相应的第一均方误差（Mse₁）；

（c2）令所述隐含层单元数为N_hid＝n₁+1，按照步骤（c2）得到相应的第二均方误差（Mse₂）；及

（c3）比较第一均方误差（Mse₁）和所述第二均方误差（Mse₂）的大小，若第一均方误差（Mse₁）小于所述第二均方误差（Mse₂），则令所述隐含层单元数（N_hid）为与所述第一均方误差（Mse₁）对应的所述最小值（n₁），若所述第二均方误差（Mse₂）小于所述第一均方误差（Mse₁），则令所述隐含层单元数（N_hid）为与所述第二均方误差（Mse₂）对应的所述最小值（n₁+1）。

6.根据权利5述的优化方法，其特征在于，所述步骤（c3）中，若所述第二均方误差（Mse₂）小于所述第一均方误差（Mse₁），则将所述第二均方误差（Mse₂）赋值给所述第一均方误差（Mse₁）后保存所述第一均方误差（Mse₁）的值，再令所述隐含层单元数（N_hid）为与所述第一均方误差（Mse₁）对应的所述最小值（n₁）。

7.根据权利5述的优化方法，其特征在于，还包括步骤（c4），

比较所述隐含层单元数N_hid和所述隐含单元数最大取值（n₂）的大小，如果N_hid＜n₂则返回步骤（c2），并依次循环直到满足条件N_hid≥n₂，退出循环。