BP神经网络的研究..docxVIP

BP神经网络的研究与应用徐凌宇（东华大学，信息学院，学号2141066）摘要：本文首先详细介绍了国内外应用神经网络的发展概况。分析了已有的人工神经网络的理论，着重阐述BP神经网络的原理。通过对其算法的研究，针对其算法的不足之处，进行了算法的改进。最后将优化后的BP神经网络模型应用到具体案例中，验证了其可行性。关键词：人工神经网络，BP神经网络，算法Abstract：This paper first introduces the development of a detailed application of neural networks at home and abroad. Theoretical analysis of the existing artificial neural network, focuses on BP neural network theory. By studying its algorithm for the inadequacies of their algorithm, improved algorithms. Finally, the optimized BP neural network model is applied to the specific case, to verify its feasibility.Key Words: Artificial Neural Network, BP Neural Network, Algorithm引言人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。人工神经网络的研究，可以追溯到 1957年Rosenblatt提出的感知器模型 。它几乎与人工智能同时起步，但在60年代由于缺乏新思想和用于实验的高性能计算机，曾一度动摇了人们对神经网络的研究兴趣，从而导致许多研究者纷纷离开这一研究领域，神经网络的研究就这样停滞了十多年，并未取得人工智能那样巨大的成功。直到80年代，随着个人计算机和工作站计算能力的急剧增强和广泛应用，以及不断引入新的概念，克服了摆在神经网络研究面前的障碍，获得了关于 人工神经网络切实可行的算法，以及以Von Neumann体系为依托的传统算法在知识处理方面日益显露出其力不从心后，人们才重新对 人工神经网络发生了兴趣，导致神经网络的复兴。 目前在神经网络研究方法上已形成多个流派，最富有成果的研究工作包括：多层网络 BP算法，Hopfield网络模型，自适应共振理 论，自组织特征映射理论等。人工神经网络是在现代神经科学的基础上提出来的。它虽然反映了人脑功能的基本特征，但远不是自然 神经网络的逼真描写，而只是它的某种简化抽象和模拟。人工神经网络吸取了生物神经网络的优点，因此尤其固有的特点：并行分布处理。非线性映射。通过训练进行学习。良好的容错性与联想记忆能力。正因为有上述特点，人工神经网络有其极为广泛的应用领域。人工神经网络已在/view/10875.htm \t _blank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。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、/view/45853.htm \t _blank遗传算法、进化机制等结合，形成/view/132453.htm \t _blank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/view/5171530.htm \t _blank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。一、BP算法通常所说的BP神经网络，即误差后向传播神经网络。从结构上看，它是典型的多层网络，分为输入层、隐含层和输出层。层与层之间多采用全互联方式，同一层单元之间不存在相互连接，如图1所示。BP网络模型实现了多层网络学习的设想。当给定网络的一个输入模式时，它由输入层单元传到隐含层单元，经隐含层单元逐层处理后再送到输出层单元，由输出层单元处理后产生一个输出模式，此称为前向传播。如果输出响应与期望输出模式有误差，且不满足要求，那么就转入误差后向传播，即将误差值沿连接通路逐层向后传送，并修正各层连接权值。二、学习算法设BP神经网络具有m层，第一层称为输入层，最后一层称为输出层，中间各层称为隐含层。输入信息由输入层向输出层逐层传递。各个神经元的输入输出关系函数是f。关系函数f是一个神经元及网络的核心，网络接解决问题的能力与功效除了与网络结构有关，在很大程度上取决于网络所采用的输入输出关系函数。一般选用S型作用函数，即f( x ) = 1/ ( 1+ exp(-αx))S型函数的输入在（-∞，+∞）之间取值，输出则在0到1之间取值，其具有非线性放大增益，对任意输入的增益等于输入输出曲线中该输入点