安琪　陈静雯

摘 要：结合BP神经网络对西装样板绘制方法进行研究。将客户的量体数据作为输入参数，将西装样板绘制的关键尺寸作为期望输出参数，建立BP神经网络预测模型。使用样本数据验证模型，结果表明：使用神经网络模型生成西装样板绘制参数，具有较高的精确度和灵活性，有很好地应用价值。

关键词：西装样板；预测模型；BP神经网络

传统西装样板制作过程周期较长。考虑使用BP神经网络技术，建立预测模型，将量体数据通过网络模型计算得到样板绘制参数，实现西装样板参数的自动生成。

一、BP神经网络原理

BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland提出的，是目前应用最广泛的神经网络模型之一。BP神经网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程，仅通过自身的训练，学习某种规则，在给定输入值时得到最接近期望输出值的结果。它利用梯度搜索反向传播来不断调整网络的权值和阈值，以期使网络的实际输出值和期望输出值的误差均方差为最小。

BP神经网络分为输入层和输出层，两层之间还可以包含若干个隐含层。一般来说，使用带有一个隐含层的三层BP就可以完成任意m维到n维的映射，如图1所示。

BP神经网络的训练过程分为两部分：

1.正向传递得到预测数据

正向传递的过程，即数据从输入层输入，经过隐含层、输出层的计算得到预测值，预测值为输出层的输出结果。输出结果即：该层中所有节点（神经元）的输出值的集合。……