宋暢

【摘 要】全球邁入老齡化階段，產(chǎn)品意象是表達(dá)銀發(fā)族情感需求的有效途徑。通過訓(xùn)練BP倒傳遞人工神經(jīng)網(wǎng)絡(luò)，建構(gòu)老人助行器各意象面向的數(shù)據(jù)模型庫，將老人助行器意象數(shù)據(jù)用人工神經(jīng)網(wǎng)絡(luò)優(yōu)化，為產(chǎn)品設(shè)計(jì)提供數(shù)據(jù)模型的驗(yàn)證。

【關(guān)鍵詞】 意象；老人助行器 ； Matlab

一、人工神經(jīng)網(wǎng)絡(luò)簡介

1.1人工神經(jīng)網(wǎng)絡(luò)的定義

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks），簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)，是一種模仿生物神經(jīng)系統(tǒng)功能的信息處理系統(tǒng)。其較為明確的定義為：人工神經(jīng)網(wǎng)絡(luò)是一種計(jì)算系統(tǒng)，包含硬件和軟件，他使用大量簡單的相連神經(jīng)元來模仿生物神經(jīng)網(wǎng)絡(luò)的能力；人工神經(jīng)元是生物神經(jīng)元的簡單模擬，他從外界環(huán)境或是其他人工神經(jīng)元取得信息，加以簡單運(yùn)算，并輸出計(jì)算之結(jié)果到外界環(huán)境或是其他人工神經(jīng)元。人工神經(jīng)網(wǎng)絡(luò)為一種平行分散式處理計(jì)算模式，其處理信息方式為模仿生物神經(jīng)網(wǎng)絡(luò)處理信息之方式。而其基本之運(yùn)作原理乃以大量、簡單之處理單元，或稱神經(jīng)細(xì)胞互相連接，藉由整體處理單元對(duì)外界輸入訊號(hào)運(yùn)算來處理信息，擁有類似于人腦的許多特性及優(yōu)點(diǎn)，不像傳統(tǒng)的專家系統(tǒng)需事先定義好規(guī)則，人工神經(jīng)網(wǎng)絡(luò)乃藉由自我本身的學(xué)習(xí)來處理問題。類神經(jīng)網(wǎng)絡(luò)的基本構(gòu)造非常簡單，一般之網(wǎng)絡(luò)包含輸入層、輸出層及隱藏層。利用輸入、輸出、隱藏層中處理單元 等以各種不同的方式連結(jié)后，配合轉(zhuǎn)換函數(shù)的轉(zhuǎn)換及權(quán)重的調(diào)整，可以正確、迅速、有效的接收、處理、再輸出各種信息，而這些層與層之間都有連接鍵相互連結(jié)，作為網(wǎng)絡(luò)訊號(hào)或 信息的傳遞路徑，以權(quán)數(shù)的方式來表示， 又稱為連接強(qiáng)度，這些連接強(qiáng)度的改變是經(jīng)由網(wǎng)絡(luò)反覆的學(xué)習(xí)來調(diào)整，并非靠程序的推導(dǎo)；利用這種處理單元及連接鍵特殊的組成方式，使得類神經(jīng)網(wǎng)絡(luò)具備了解決許多問題的能力。

1.2 人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)學(xué)習(xí)的類型

人工神經(jīng)網(wǎng)絡(luò)中，主要分為學(xué)習(xí)與回想階段，其中加權(quán)值的改變就是人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)階段，而調(diào)整權(quán)重值的方法，就是其學(xué)習(xí)法則。著名的類神經(jīng)網(wǎng)絡(luò)模式不下數(shù)十種，依據(jù)網(wǎng)絡(luò)學(xué)習(xí)類型做分類，大致可分為四大類：

一類監(jiān)督式學(xué)習(xí)網(wǎng)絡(luò)，從問題領(lǐng)域中取訓(xùn)練范例（有輸入變量，也有輸出變量），并從中學(xué)習(xí)輸入變數(shù)與輸出變量的內(nèi)在對(duì)應(yīng)規(guī)則，以應(yīng)用于新的案例（只有輸入變量，而須推論輸出變量值之應(yīng)用），為目前應(yīng)用最廣的學(xué)習(xí)策略。需預(yù)先擬定期望輸出值，網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，直到網(wǎng)絡(luò)收斂。

二類非監(jiān)督式學(xué)習(xí)網(wǎng)，從問題領(lǐng)域中取訓(xùn)練范例（只有輸入變量），并從學(xué)習(xí)范例的內(nèi)在聚類規(guī)則，以應(yīng)用于新的案例（有輸入變量值，而須推論它與哪些訓(xùn)練范例屬同一類的應(yīng)用），利用其輸入信號(hào)間的相似性，選取出事物的特征與關(guān)系，找出其相似性，并將其加以分類，可從事圖樣分群或特征偵測的工作，具有自我組織的能力。

三類聯(lián)想式學(xué)習(xí)網(wǎng)絡(luò)，從問題領(lǐng)域中取訓(xùn)練范例 （狀態(tài)值的改變），并從中學(xué)習(xí)范例的內(nèi)在記憶規(guī)則，以應(yīng)用于新的案例（只有不完整的狀態(tài)值的改變，而須推論其完整的狀態(tài)變數(shù)值的應(yīng)用）。

四類最適化應(yīng)用網(wǎng)絡(luò)，類神經(jīng)網(wǎng)絡(luò)除學(xué)習(xí)應(yīng)用外，還有一類特殊應(yīng)用-最適化應(yīng)用，對(duì)一問題決定其設(shè)計(jì)變量值，使其在滿足設(shè)計(jì)限制下，使設(shè)計(jì)目標(biāo)達(dá)成最佳狀態(tài)的應(yīng)用。設(shè)計(jì)應(yīng)用與排程應(yīng)用屬之，此類應(yīng)用的網(wǎng)絡(luò)架構(gòu)大都與聯(lián)想式學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)類似。

二、利用BP人工神經(jīng)網(wǎng)絡(luò)建立高齡者對(duì)老人助行器的意象數(shù)據(jù)模型

以Matlab作為BP倒傳遞人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練的軟件，將統(tǒng)計(jì)軟件SPSS得出的M平均值轉(zhuǎn)化到（0，1）的區(qū)間中，將四個(gè)樣本的意象M值輸入程序中進(jìn)行訓(xùn)練，直至BP倒傳遞人工神經(jīng)網(wǎng)絡(luò)收斂，從而建構(gòu)老人助行器的意象數(shù)據(jù)庫。

2.1 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與訓(xùn)練

首先，將實(shí)測后統(tǒng)計(jì)軟件SPSS做單一樣本T檢定得到得框架式助行器樣本一、樣本二，以及一般帶輪式助行器樣本一、樣本二的意象值中的M平均值建立Excel數(shù)據(jù)表，用CP1、CP2、CP3、CP4分別代表各個(gè)助行器樣本。

接下來，將各助行器樣本意象的M值輸入到Matlab程序中，得到歸一化前原始特征值，為之后的歸一化為準(zhǔn)備。然后，進(jìn)行特征矩陣歸一化，在Matlab程序命令框中輸入歸一化命令程度： 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

從而，得到35個(gè)助行器意象特征值歸一化后的數(shù)值。

在助行器意象特征矩陣歸一化后，就可以將人工神經(jīng)網(wǎng)絡(luò)初始化即建立BP倒傳遞人工神經(jīng)網(wǎng)絡(luò)，具體程序編碼如下：

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為特征個(gè)數(shù)，

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 倒傳遞人工神經(jīng)網(wǎng)絡(luò)的收斂

Matlab主程序中的Net，就是新建好的BP倒傳遞人工神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練過程報(bào)告圖可知BP倒傳遞人工神經(jīng)網(wǎng)絡(luò)收斂，曲線連續(xù)，最后趨近于一個(gè)點(diǎn)。

三、結(jié)束語

四個(gè)助行器樣本意象平均值M的BP倒傳遞人工神經(jīng)網(wǎng)絡(luò)就建立完成了，有利于建立老人助行器的意象數(shù)據(jù)庫，并為新的設(shè)計(jì)產(chǎn)品提供數(shù)據(jù)模型的驗(yàn)證。