《表3 3类宏区域BP神经网络隐含层神经元》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于BP神经网络的RFID室内定位算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

BP网络输入层的神经元数由输入向量的维数决定，输出层神经元数由输出向量的维数决定．本文把归一化后指纹数据作为输入数据，其对应的坐标位置作为目标输出数据，因此本文构建BP神经网络时，其输入层神经元数为10个，输出层神经元是为2个.由于三层神经网络具有很好的泛化性以及非线性能力，网络训练的效率也更快，并且在对BP神经网络调节仿真效果时，发现只有一层隐含层的神经网络就有着良好的拟合效果，满足本文实验的需求，因此本文使用隐含层层数为1的三层神经网络结构，然后逐步调节隐含层的神经元个数，观察其神经元个数从10逐渐增加时的拟合效果，经过多次实验和观察，得到在不同宏区域建立BP神经网络所对应的最佳隐含层神经元个数.如表3所示，为3类宏区域BP神经网络隐含层神经元.