神经网络理论概述精要.docVIP

上海大学2015～2016学年秋季学期研究生课程考试 文献阅读报告 课程名称： 《模式识别》 课程编号： 08SB69004 题目: 神经网络理论概述以及实现 研究生姓名: 张三 学 号: 1111111 论文评语: 成 绩: 任课教师: 1111111 评阅日期: 神经网络理论概述以及实现 2016-01-12 摘　要: 关键字：网络, 模式识别, 拟合仿真 Overview of neural network theory and the realization Abstract: Artificial neural network (ANN) has been an important tool to investigate classification problems such as face recognition, character recognition, license plate recognition (LPR), speech, and signal processing due to strong learning ability. Many researchers agree that the performance of a neural network depends strongly on three factors: feature selection method for the training datasets, optimization algorithm for the neural network. This article focuses on the BP neural network, RBF neural network, Hopfield discrete Hopfield continuous neural networks and neural networks. This paper presents the idea step four neural networks, and examples given code certification. Key words: Neural network, Classifier, Pattern Recognition, Fitting Simulation 目录 1. 绪论 3 1.1神经网络的概述 3 1.2论文的构成 3 2.神经网络的分类理论 4 2.1分类理论及实现过程 4 2.1.1 分类的定义 4 2.1.2 分类的实现过程 4 2.1.3 几种主要的分类方法及特性 5 2.2基于神经网络的分类理论 6 2.2.1 神经网络特征 6 2.2.2 神经网络分类方法 7 2.3本章小结 8 3. 四种神经网络的实现 9 3.1 BP神经网络 9 3.2 神经网络RBF 14 3.3 hopfield神经网络 18 3.3.1 原理简介： 18 3.3.2 离散型Hopfield 19 3.3.3 连续Hopfield神经网络 21 4 结束语 24 参考文献： 25 附录一 26 附录二 31 1. 绪论 1.1神经网络的概述 1.2论文的构成 第一章是绪论，主要阐述了神经网络的定义以及内容以及构成 第二章是神经网络的理论主要讲述分类的定义分类的实现过程。神经网络特点，网络的分类方法。对第二章进行总结。 四种神经网络的实现，主要讲述网络、网络、离散型opfield神经网络、连续型神经网络。有代码实现这神经网络。章总结讲述本文的不足以及各种神经网络的优缺点。 章参考文献，附录一和附录二2.神经网络的分类理论 2.1分类理论及实现过程 2.1.1 分类的定义 分类(Classification)是一种重要的模式识别和数据挖掘技术，其作用是根据数据集的点，找出描述并区分数据类或概念的模型或函数(我们一般称之为分类器)，以便能够使用该模型或函数预测类标记未知的对象类，导出模型是基于对训练数据集(即其类标记己知的数据对象)的分析。实现分类的关键步骤有两个，一是根据己知类别的训练数据集，训练并构造一个分类器，用于描述预定的数据类集或概念集;二是使用所获得的模型函数，对未知对象进行分类。 2.1.2 分类的实现过程 分类的实现一般具有以下三个过程: 一、数据的预处理。 进行数据预处理的目的在于按照分类的要求对数据集进行优化，以保证分类的准确性和有效性，数据的预处理可能包含以下若干步骤: (