神经网络BP.pptx

神经网络与BP神经网络控制;1.什么是神经网络 概述 1.1发展历史 1.2基本概念 1.2.1 人工神经元模型 1.2.2 人工神经网络的体系结构 1.2.3 人工神经网络的学习过程 2.BP神经网络控制的基本思想与原理 概述 2.1 BP神经网络 2.1.1 BP神经网络模型 2.1.2 BP学习算法 2.1.3 BP网络存在的问题及改进方法 2.1.4 基于MATLAB的BP网络仿真 3.最新研究进展 4.评价 5.主要参考文献;1. 什么是神经网络;神经网络的基础在于神经元。神经元是以生物神经系统的神经细胞为基础的生物模型。在人们对生物神经系统进行研究，以探讨人工智能的机制时，把神经元数学化，从而产生了神经元数学模型。 大量的形式相同的神经元连结在一起就组成了神经网络。神经网络是一个高度非线性动力学系统。虽然，每个神经元的结构和功能都不复杂，但是神经网络的动态行为则是十分复杂的；因此，用神经网络可以表达实际物理世界的各种现象。;人工神经网络是一种模拟人脑脑神经传递信息的方 式而建立起来的一种人工智能的方法，它是一种分布式的并行处理系统，其处理结果以权值形式分布存储在矩阵中。通过这种网络能够实现任意的非线性输入输出映射关系，具体的映射关系体现在构成网络的神经元之间的分布连接权上. 由于网络具有很强的自适应和学习能力以及鲁棒性和容错能力，它不仅可以替代许多复杂耗时的传统算法，并且由于它对信息的处理更加接近于人的思维活动习惯，为解决非线性系统模拟和未知模型的预测提供了新途径。 ;人工神经网络并非生物系统的逼真描述，只是某种模仿、简化和抽象。人工神经网络在构成原理和功能特点等方面比数字计算机更接近人脑，它不是按给定的程序一步一步地执行运算，而是能够自适应环境、总结规律、完成某种运算、识别或过程控制。神经元也和其他类型的细胞一样，包括有细胞膜、细胞质和细胞核。但是神经细胞的形态比较特殊，具有许多突起，因此又分为细胞体、轴突和树突三部分。 ;细胞体 　　 细胞体是由很多分子形成的综合体，内部含有一个细胞核、核糖体、原生质网状结构等，它是神经元活动的能量供应地，在这里进行新陈代谢等各种生化过程。神经元也即是整个细胞，整个细胞的最外层称为细胞膜。 树突 　　 细胞体的伸延部分产生的分枝称为树突，树突是作为引入输入信号的突起。 轴突 　　 细胞体突起的最长的外伸管状纤维称为轴突。轴突是作为输出端的突起，它只有一个。;突触是一个神经元与另一个神经元之间相联系并进行信息传送的结构。它由突触前膜，突触间隙和突触后膜组成。突触前膜是一个神经元的轴突末梢。突触间隙是突触前成分与后成分之间的距离空间。突触后膜可以是细胞体，树突或轴突。突触的存在说明：两个神经元的细胞质并不直接连通，两者彼此联系是通过突触这种结构接口的。有时，也把突触看作是神经元之间的连接。;神经元功能　　 1.兴奋与抑制 传入神经元的冲动经整和后使细胞膜电位提高，超过动作电位的阈值时即为兴奋状态，产生神经冲动，由轴突经神经末梢传出。传入神经元的冲动经整和后使细胞膜电位降低，低于阈值时即为抑制状态，不产生神经冲动。 2.学习与遗忘　　 由于神经元结构的可塑性，突触的传递作用可增强与减弱，因此神经元具有学习与遗忘的功能。 ; 人工神经网络的特点和优越性： 1.自学习和自适应性。 2.非线性性。 3.鲁棒性和容错性。 4.计算的并行性与存储的分布性。 5.分布式存储。 ;在控制领域的研究课题中，不确定性系统的控制问题长期以来都是控制理论研究的中心主题之一，但是这个问题一直没有得到有效的解决。利用神经网络的学习能力，使它在对不确定性系统的控制过程中自动学习系统的特性，从而自动适应系统随时间的特性变异，以求达到对系统的最优控制；显然这是一种十分振奋人心的意向和方法。 人工神经网络的模型现在有数十种之多，应用较多的典型的神经网络模型包括BP网络、霍普菲尔德（Hopfield）网络、ART网络和Kohonen网络。;1.1发展历史;②低潮阶段 人工智能的创始人M.Minsky和S.Papert(1969)出版了一本名为《感知器》的专著,书中指出线性感知器功能是有限的,简单的神经网络只能进行线性分类和求解一阶谓词问题,而不能进行非线性分类和解决比较复杂的高阶谓词问题.由于Minsky在学术界的地位和影响，其悲观论点极大地影响了当时的人工神经网络研究，为刚燃起的人工神经网络之火，泼了一大盆冷水。 使神经网络研究处于低潮的更重要的原因是，20世纪70年代以来集成电路和微电子技术的迅猛发展，使传统的冯·诺依曼型计算机进入发展的全