第4卷第4期 智能系统学报 Vol.46.4 2009年8月 CAAI Transactions on Intelligent Systems Ag.2009 doi:10.3969/i.i8gn.1673-4785.2009.04.001 一种概率过程神经元网络模型及分类算法 许少华12，李盼池，何新贵2 (1.大庆石油学院计算机与信息技术学院，黑龙江大庆163318：2.北京大学信息科学技术学院，北京100871) 摘要：针对动态信号分类及与先验类别知识融合问题，提出了一种概率过程神经元网络模型.模型将贝叶斯概率 分类机制与过程神经元网络动态信号处理方法相结合，通过在前馈过程神经元网络中增加一个模式单元层，以及采 用归一化指数类型激励函数，实现基于贝叶斯规则的动态信号分类.分析了概率过程神经元网络分类机制与贝叶斯 分类规则的等价性，给出了具体的学习算法，实验结果验证了模型和算法的有效性 关键词：动态信号分类；贝叶斯规则；概率过程神经元网络 中图分类号：TP183文献标识码：A文章编号：16734785(2009)04028305 Combined probabilistic process neural network and classification algorithm XU Shao-hua2,LI Pan-chi',HE Xin-gui2 (1.School of Computer and Information Technology,Daqing Petroleum Institute,Daqing 163318,China;2.School of Electronics En- gineering and Computer Science,Peking University,Beijing 100871,China) Abstract:A probabilistic process neural network has been proposed in order to provide integration of a priori knowl- edge with dynamic information classification.In this model,Bayesian classification was combined with the dynamic information processing of process neural networks.Dynamic information classification based on Bayesian rules was realized by adding a pattern neuron layer and a summing neuron layer to a feed forward process neural network and applying the normalized exponential activation function to the hidden layer.Classification equivalence between probabilistic process neural networks and Bayesian rules was analyzed and a concrete learning algorithm presented. Experimental results showed the effectiveness of the proposed model and algorithm. Keywords:dynamic signal classification;Bayesian rules;probabilistic process neural networks 概率神经网络是由Specht提出的)，它与统计易于训练、收敛速度快、适于实时处理等特性，并可 信号处理的许多概念有着紧密的联系，在结构上类 进行任意非线性变换，其判决曲面与最优贝叶斯准 似于反向传播网络，两者的主要区别在于采用以统 则曲面相接近：同时具有很强的容错性，并且各层神 计方法推导的激励函数代替传统神经网络的Sg 经元数目比较固定，因而易于硬件实现等36].目 moid型激活函数.概率神经网络的理论基础是贝叶 前，概率神经网络已广泛应用于模式分类)、信号 斯决策理论，该理论以其独特的不确定性知识表达 处理81、目标跟踪9]等领域中. 形式、丰富的概率表达能力、综合了先验知识的增量 在实际工程领域与科学研究中，存在大量动态 学习等特性，在当前数据挖掘领域被广泛关注.其基 信号模式识别与分类问题，许多系统的输人是依赖 本思想是将已知的类条件概率和先验概率，利用贝 于时间变化的函数.笔者针对动态信号模式分类、故 叶斯公式估计后验概率，然后根据后验概率的大小 障诊断以及动态系统状态预测等时变信息处理问 进行决策分类].许多研究表明概率神经网络具有 题，提出和建立了过程神经元网络理论和模 型1.过程神经元网络可以直接把时变过程作为 收稿日期：200907-16. 输入输出信号，是传统人工神经网络在时间域上的 基金项目：国家自然科学基金资助项目(60572174)；黑龙江省教育厅 科学技术研究资助项目(11521013)；黑龙江省自然科学基 一种扩展.对于缺乏先验知识和模型的复杂非线性 金资助项目(ZA2006-11);黑龙江省科技攻关资助项目 动态系统的仿真建模、系统辨识、过程模拟以及泛函 (GZ07A103). 通信作者：许少华.E-mail:xush62@163.com. 数逼近等问题，过程神经元网络表现出明显优势，目