基于BP网络的含噪声数字识别.pdfVIP

基于BP 网络的含噪声数字识别 作者：赵辉 学号: 200311201 山东大学信息科学与工程学院信号与信息处理专业 摘要： 反向传播网络(Back propagation Network，简称BP 网络)是对非线形 可微分函数进行权值训练的多层前向网络。BP 网络可以看作是对多层感 知器网络的扩展，即信息的正向传播及误差数据的反向传递。BP 网络主 要可以应用于模式分类、函数逼近以及数据压缩等等。本文介绍了一种较 为简单的三层BP 网络模型，并将其应用于一个实例：数字0 到9 的识 别。文中将给出BP 网络的原理、设计该BP 网络的过程以及具体的实 现、方案的改进。同时附有大量的实验数据。程序采用VC++6.0 编写， 具备友好的GUI 界面。 关键字： 人工神经网络，BP 网络，反向传播算法，数字识别 Abstract: Back propagation Network(short for BP net) is an classical ANN that convey information forwardly and just accept errors backwordly to ajust weight of the network so as to meet the LMS .BP net is based on the multiplayer perceptron network. It could be mainly used in the field of pattern classification ,function approximation and data compression.This paper primarily introduce the priciple of a classical 3-layer BP net,and give an practical example ,that is: noised digital number(0 to 9) recognition.The designing process is well described and also ,I give an implication program of it ,developed using Visual C++ 6.0. Plenty of tables and graphs are also included in this article when necessary. Keywords: ANN, Back propagation network, BP, digital number recognition 1. 导论: 神经网络及BP 网络概述 在这里，我简要的对人工神经网络的大体发展脉络，尤其是BP 网络的原理做一 简单的概述。 人工神经网络，即从生物学神经系统的信号传递而抽象发展而成的一门学科。在 神经网络中，最基本的单元就是神经元。神经元由三部分组成：树突、细胞体和轴 突。树突是树状的神经纤维接受网络，它将电信号传递给细胞体，细胞体对这些输入 信号进行整合并进行阀值处理。轴突是单根长纤维，它把细胞体的输出信号导向其他 的神经元。神经元的排列拓扑结构和突触的连接强度确立了神经网络的功能。 一些神经结构是与生俱来的，而其他部分则是在学习过程中形成的。在学习的 过程中，可能会产生一些新的连接，也可能一些连接要消失，但主要的改变是加强或 减弱突触的链接。 上图是将生物神经元模型抽象成一个信号传递、反馈的数学模型。 神经元的输入是信号P ，经过一个累加器累加后的信号送入一个激活函数f，从 而得到这个神经元的输出a 。这个神经元的输出a 同时又可以作为下一个或多个神经 元的输入，从而将神经信号成网络分散状的传递出去。一个神经元可以接受多个输 入，所以把神经元表示成为矢量、矩阵形式更容易去处理分析实际问题。 这里，P 表示一R 维的输入向量，B 为偏置向量，W 为网络的权值矩阵，f 为激 活传输函数，a 为网络的输出向量。 以上是对一个单层神经网络的描述。一般就实际情况而言，多层网络用处要广 的多。后面用到的BP 网络也是多层的。 在多层网络中，一般至少有3 个层：一个输入层、一个输出层、一个或多个隐 层。多层网络可以解决很多单层网络无法解决