自联想神经网络的内涵

自联想神经网络的结构

自联想神经网络用于故障诊断

自联想神经网络的内涵

自联想神经网络(Auto-Associative Neural Network , 缩写为AANN)是1992年Kramer提出的，是BP神经网络的一种特殊情形。其特点是有对称拓扑结构，即输出量等于输入量。

关于BP神经网络请参见相应的百科词条。

自联想神经网络的结构

AANN结构包括一个输入层,一定数量的隐含层和一个输出层。

隐含层第一层叫作映射层。映射层的节点传递函数可能是S型函数也可能是其他类似的非线性函数。隐含层第二层叫做瓶颈层。瓶颈层的维数是网络中最小的(它的传递函数可能是线性的或者是非线性) 。瓶颈层避免了那种很容易实现的一对一的输出和输入相等的映射关系,它使网络对信号进行编码和压缩得到输入传感器数据的相关模型,并在瓶颈层后进行解码和解压缩以产生输入信号的估计值。隐含层第三层或最后一层叫做解映射层,解映射层的节点传递函数是非线性的(通常是S型函数)。

自联想神经网络用于故障诊断

AANN找出参数之间的相互关系 ,这些参数之间在一定程度上都存在着相互联系。AANN的输入是实际系统

中测量得来的数据。AANN就是通过大量的训练样本,让输入和输出尽可能的相等。因此,当正确的数据输入到

AANN中,网络的输出将和输入是相等的,它们的误差理想为0。从另一方面讲,如果数据是错误的(可能是一个或者多个输入数据被破坏) ,那么,输入和输出之间的误差将不为0。因此,通过这种方法可以判断1个或多个传感器是否发生故障。