BP人工神经网络在老人助行器设计中的应用

宋畅

【摘 要】全球迈入老龄化阶段，产品意象是表达银发族情感需求的有效途径。通过训练BP倒传递人工神经网络，建构老人助行器各意象面向的数据模型库，将老人助行器意象数据用人工神经网络优化，为产品设计提供数据模型的验证。

【关键词】 意象；老人助行器 ； Matlab

一、人工神经网络简介

1.1人工神经网络的定义

人工神经网络（Artificial Neural Networks），简称为神经网络或类神经网络，是一种模仿生物神经系统功能的信息处理系统。其较为明确的定义为：人工神经网络是一种计算系统，包含硬件和软件，他使用大量简单的相连神经元来模仿生物神经网络的能力；人工神经元是生物神经元的简单模拟，他从外界环境或是其他人工神经元取得信息，加以简单运算，并输出计算之结果到外界环境或是其他人工神经元。人工神经网络为一种平行分散式处理计算模式，其处理信息方式为模仿生物神经网络处理信息之方式。而其基本之运作原理乃以大量、简单之处理单元，或称神经细胞互相连接，藉由整体处理单元对外界输入讯号运算来处理信息，拥有类似于人脑的许多特性及优点，不像传统的专家系统需事先定义好规则，人工神经网络乃藉由自我本身的学习来处理问题。类神经网络的基本构造非常简单，一般之网络包含输入层、输出层及隐藏层。利用输入、输出、隐藏层中处理单元 等以各种不同的方式连结后，配合转换函数的转换及权重的调整，可以正确、迅速、有效的接收、处理、再输出各种信息，而这些层与层之间都有连接键相互连结，作为网络讯号或 信息的传递路径，以权数的方式来表示， 又称为连接强度，这些连接强度的改变是经由网络反覆的学习来调整，并非靠程序的推导；利用这种处理单元及连接键特殊的组成方式，使得类神经网络具备了解决许多问题的能力。

1.2 人工神经网络系统学习的类型

人工神经网络中，主要分为学习与回想阶段，其中加权值的改变就是人工神经网络的学习阶段，而调整权重值的方法，就是其学习法则。著名的类神经网络模式不下数十种，依据网络学习类型做分类，大致可分为四大类：

一类监督式学习网络，从问题领域中取训练范例（有输入变量，也有输出变量），并从中学习输入变数与输出变量的内在对应规则，以应用于新的案例（只有输入变量，而须推论输出变量值之应用），为目前应用最广的学习策略。需预先拟定期望输出值，网络进行学习，直到网络收敛。

二类非监督式学习网，从问题领域中取训练范例（只有输入变量），并从学习范例的内在聚类规则，以应用于新的案例（有输入变量值，而须推论它与哪些训练范例属同一类的应用），利用其输入信号间的相似性，选取出事物的特征与关系，找出其相似性，并将其加以分类，可从事图样分群或特征侦测的工作，具有自我组织的能力。

三类联想式学习网络，从问题领域中取训练范例 （状态值的改变），并从中学习范例的内在记忆规则，以应用于新的案例（只有不完整的状态值的改变，而须推论其完整的状态变数值的应用）。

四类最适化应用网络，类神经网络除学习应用外，还有一类特殊应用-最适化应用，对一问题决定其设计变量值，使其在满足设计限制下，使设计目标达成最佳状态的应用。设计应用与排程应用属之，此类应用的网络架构大都与联想式学习网络架构类似。

二、利用BP人工神经网络建立高龄者对老人助行器的意象数据模型

以Matlab作为BP倒传递人工神经网络训练的软件，将统计软件SPSS得出的M平均值转化到（0，1）的区间中，将四个样本的意象M值输入程序中进行训练，直至BP倒传递人工神经网络收敛，从而建构老人助行器的意象数据库。

2.1 人工神经网络学习与训练

首先，将实测后统计软件SPSS做单一样本T检定得到得框架式助行器样本一、样本二，以及一般带轮式助行器样本一、样本二的意象值中的M平均值建立Excel数据表，用CP1、CP2、CP3、CP4分别代表各个助行器样本。

接下来，将各助行器样本意象的M值输入到Matlab程序中，得到归一化前原始特征值，为之后的归一化为准备。然后，进行特征矩阵归一化，在Matlab程序命令框中输入归一化命令程度： for i=1：1：35； for j=1：1：5； a1（i，j）=（a（i，j）-min（a（i，：）））/（max（a（i，：））-min（a（i，：））） end End

从而，得到35个助行器意象特征值归一化后的数值。

在助行器意象特征矩阵归一化后，就可以将人工神经网络初始化即建立BP倒传递人工神经网络，具体程序编码如下：

P=[a1（：，1） a1（：，2） a1（：，3） a1（：，4）]；T=[1 0 0 0；0 1 0 0；0 0 1 0；0 0 0 1]；x=ones（size（P，1），2）；%x为特征个数，

x（：，1）=0；net=newff（x，[5，4]，{'tansig'，'logsig'}，'traingdx'）；net.trainParam.show=50；net.trainParam.epochs=5000；net.trainParam.goal=0.005；net=train（net，P，T）；

2.2 倒传递人工神经网络的收敛

Matlab主程序中的Net，就是新建好的BP倒传递人工神经网络，通过训练过程报告图可知BP倒传递人工神经网络收敛，曲线连续，最后趋近于一个点。

三、结束语

四个助行器样本意象平均值M的BP倒传递人工神经网络就建立完成了，有利于建立老人助行器的意象数据库，并为新的设计产品提供数据模型的验证。