[发明专利]基于人工神经网络的实验数据分析处理方法

摘要

本发明公开了一种基于人工神经网络的实验数据分析处理方法。该方法中，通过读入一组学习样本和希望输出，随机给定各个网络节点的连接权值，计算隐层中各个网络节点的输入值和输出值；进一步计算能量误差函数；不断修正各个网络节点的连接权值。在迭代计算轮次达到所设定的值或者计算精度达到所设定的要求的情况下结束迭代过程，保留计算出的各个网络节点的连接权值，根据该连接权值对输入的实验数据进行结果预测。本实验数据处理方法可以有效解决多种复杂的非线性多输入和多输出的数据处理问题，为实验数据处理、分析和结果预测提供了一个强有力的分析工具。

主权项

一种基于人工神经网络的实验数据分析处理方法，所述人工神经网络具有三层网络结构，其中第一层为输入层，第二层为隐层，第三层为输出层，每层中均包含多个网络节点，隐层中的每个网络节点分别与输入层和输出层中的网络节点相连接，其特征在于包括如下的步骤：(1)设定人工神经网络中每层的网络节点数目和学习样本数目；(2)对输入的实验数据进行归一化处理；(3)读入一组学习样本和希望输出，随机给定各个网络节点的连接权值，计算隐层中各个网络节点的输入值和输出值；(4)计算输出层中各个网络节点的输出值；(5)计算整个人工神经网络的输出与实测结果的能量误差函数；(6)修正各个网络节点的连接权值：通过连续迭代的方式计算连接权值的增量，使其沿着能量误差函数随连接权值变化的负梯度方向不断修正，在迭代过程中计算全部样本的总能量误差函数；(7)如果迭代计算轮次达到所设定的值或者计算精度达到所设定的要求，则结束迭代过程，保留计算出的各个网络节点的连接权值；(8)根据步骤(7)获得的连接权值对输入的实验数据进行结果预测。