銅型材激光氨逃逸在線監測系統
一、產品概述（脫硝激光氨逃逸在線監測系統（高溫抽取激光)）
BP神經網絡需要通過輸入和輸出樣本對網絡進行訓練，即通過學習和修正網絡的閾值和權值，并不斷重復該過程，終得到符合條件的輸入或輸出。BP神經網絡算法由信號的正向傳播（前向計算過程）和誤差的反向傳播兩個階段組成。兩個過程反復交替，不斷調整權值和閾值，直至網絡達到收斂為止，具體過程如下。
1）信號的正向傳播過程
輸入量由輸入層經過隱含層逐層計算，并傳向網絡的輸出層。計算中每層的神經元狀態只會影響下一層的神經元狀態。網絡的權值在信號正向傳播過程中固定不變。如果輸出層不能得到符合其期望的輸出，則轉入誤差反向傳播過程。
2）誤差的反向傳播
由前向計算過程得出的網絡輸出與期望輸出之前的差值即為誤差。誤差信號由網絡的輸出端開始，沿網絡的連接路線返回并計算各權值和閾值對總誤差的影響。后根據誤差梯度下降法對權值和閾值進行調整。
2.3.3結構設計
對于大多數復雜的數學問題，單隱含層BP神經網絡即可滿足要求，本研究也采用圖3所示的輸入層-單隱含層-輸出層的3層BP神經網絡結構。
1）確定輸入及輸出變量
銅型材激光氨逃逸在線監測系統
© 2019 山東云洲環保設備有限公司 版權所有 
魯ICP備19037344號-4 管理登陸 技術支持：化工儀器網 GoogleSitemap
