应用篇-第13章-神经元网络及MATLAB实现.pptx

神经元网络模型是模拟人类实际神经网络，神经网络（Neural Networks,NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。本章主要对人工神经元的BP算法进行了研究分析，利用MATLAB中的BP神经元网络工具函数，解决了BP算法在模式识别、函数逼近等方面应用时产生的大量的数值计算和计算仿真的矛盾，使BP神经元网络在实际应用中实现了计算机化，研究表明，应用MATLAB实现BP算法简单、易行、具有广泛的应用价值。 ;13.1神经元网络简介  13.1.1神经元网络的发展史;1986年，Rumelhart和Meclelland提出多层网络的误差反传(back propagation)学习算法，简称BP算法。BP算法是目前最为重要、应用最广的人工神经网络算法之一。 自20世纪80年代中期以来，世界上许多国家掀起了神经网络的研究热潮，可以说神经网络已成为国际上的一个研究热点。 所以研究神经元网络模型及在matlab中的实现为我们更好的对我们对神经元网络的理解有着深远的意义。 ;生物神经元网络结构;13.2人工神经网络结构 13.2.1人工神经