搜索
研究生课程期终论文课程名称：神经网络设计任课教师：论文题目：姓名：学号：期终论文——神经网络设计摘要本文首先说明课题研究的目的和意义，评述课题的国内外研究现状，引出目前存在的问题。然后分析了神经网络算法的基本原理，给出经典神经网络算法的具体实现方法，总结神经网络算法的特点，掌握BP网络的形成步骤。学会使用Matlab中的神经网络工具箱函数，采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于函数逼近，样本分类和样本含量估计问题中，并分析相关参数或算法对运行结果的影响。最后对BP神经网络算法进行了展望。关键字:神经网络；BP神经网络；函数逼近；仿真实验期终论文——神经网络设计ABSTRACTThispaperfirstexplainsthepurposeandsignificanceofthetopicresearch.Commentarystudiescurrentsituationattheproblemhomeandabroad.Leadstotheexistingproblems.andthenhaveanalyzedalgorithmicbasalprincipleofneuralnetworks,Givealgorithmicconcertofclassicsneuralnetworksouttherealizationmethod.Summingupthecharacteristicsofneuralnetworkalgorithm.MastertheformingstepofBPnetwork.ThearithmeticofBPneuralnetworkisrealizedinMatlabsoftware.ThealgorithmappliesofBPneuralnetworkstothefunctionapproximationproblem,Sampleclassificationandcomputestheswatchcontent.Andanalysisofrelevantparametersontheresultsofalgorithm.Finally,TheBPneuralnetworkalgorithmisOutlook.Keywords:Neuralnetwork；BPneuralnetwork；Functionapproximation；Simulationexperiment期终论文——神经网络设计目录第一章引言..............................................................-1-1.1神经网络的概述.....................................................-1-1.2人工神经网络的研究目的和意义.......................................-1-1.3神经网络的发展与研究现状...........................................-2-1.3.1神经网络的发展...............................................-2-1.3.2神经网络的研究现状...........................................-3-1.4神经网络研究目前存在的问题.........................................-3-1.5神经网络的应用领域.................................................-4-第二章BP神经网络概述.....................................................-6-2.1BP神经网络介绍....................................................-6-2.2神经元.............................................................-6-2.2.1人工神经元...................................................-6-2.2.2生物神经元..................................................-10-2.3BP神经网络原理...................................................-11-2.4BP神经网络的主要功能.............................................-13-2.5BP神经网络的优点和缺点...........................................-14-第三章BP神经网络的应用.................................................-17-3.1基于MATLAB的BP神经网络工具箱函数................................-17-3.1.1MATLAB工具箱介绍...........................................-17-3.1.2BP网络创建函数.............................................-18-3.1.3神经元上的传递函数..........................................-18-3.1.4BP网络学习函数.............................................-19-3.1.5BP网络训练函数.............................................-19-3.2BP网络在函数逼近中的应用.........................................-20-3.2.1问题的提出..................................................-20-3.2.2基于BP神经网络逼近函数.....................................-20-3.2.3不同频率下的逼近效果........................................-24-3.2.4讨论.......................................................-26-3.3仿真实验..........................................................-26-3.3.1BP神经网络MATLAB设计......................................-26-3.3.2各种BP学习算法MATLAB仿真..................................-28-3.3.3各种算法仿真结果比较与分析..................................-31-3.3.4调整初始权值和阈值的仿真....................................-33-3.3.5其他影响因素仿真............................................-36-3.4BP神经网络在样本分类中的应用.....................................-36-3.4.1问题的提出..................................................-36-3.4.2基于BP神经网络的样本分类...................................-37-参考文献.................................................................-41-附录A....................................................................-43-期终论文——神经网络设计-1-第一章引言1.1神经网络的概述人工神经网络（ArtificialNeuralNetworks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（ConnectionModel），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。神经元网络是机器学习学科中的一个重要部分，用来classification或者regression。思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点：1.信息是通过神经元上的兴奋模式分布存储在网络上；2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。1.2人工神经网络的研究目的和意义人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。人工神经网络就是模拟人思维的一种方式，是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。近年来通过对人工神经网络的研究，可以看出神经网络的研究目的和意义有以下三点：（1）通过揭示物理平面与认知平面之间的映射，了解它们相互联系和相互作用的机理，从而揭示思维的本质，探索智能的本源。（2）争取构造出尽可能与人脑具有相似功能的计算机，期终论文——神经网络设计-2-即神经网络计算机。（3）研究仿照脑神经系统的人工神经网络，将在模式识别、组合优化和决策判断等方面取得传统计算机所难以达到的效果。人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。1.3神经网络的发展与研究现状1.3.1神经网络的发展神经网络诞生半个世纪以来，经历了五个阶段：（1）奠基阶段：早在40年代初，神经解剖学、神经生理学、心理学以及人脑神经元的电生理的研究等都富有成果。其中，神经生物学家McCulloch提倡数字化具有特别意义。他与青年数学家Pitts合作，从人脑信息处理观点出发，采用数理逻辑模型的方法研究了脑细胞的动作和结构及其生物神经元的一些基本生理特性，他们提出了第一个神经计算模型，即神经元的阈值元件模型，简称MP