动力学建模之神经网络.doc

动力学系统建模课程报告 神经网络综述 神经网络介绍人工神经网络简称为神经网络或称作连接模型，它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。神经网络可以处理非线性适应性信息，克服了传统人工智能方法对于直觉的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域取得成功应用。。 (3) 激活函数，相当于细胞体的功能，对输入的信号进行非线性映射，使输出幅值限制在一定范围内。输出表达式：。激活函数有阶跃函数、分段线性函数、sigmoid函数及双曲正切对称S型函数。 (4) 阀值，其作用可用数学表达式来表示：。 1.3人工神经网络的工作方式 其工作过程主要分为两个阶段： (1) 学习期，此时每一个计算单元的状态不变，样本数据进行输入，得到实际输出，与期望输出进行对比得出输出误差，根据输出误差修改权值，直至系统参数满足输出误差要求，这样就建立了适合样本的神经网络模型。 (2) 工作期，此时各连接权是固定的，输入数据便可得到模型结果，即运用神经网络模型进行实际应用过程。 1.4人工神经网络的学习方式 通过向环境学习来获取系统参数并改进自身性能是神经网络的一个重要特点。一般情况下，性能的改善是按照预定的期望来修改自身的参数。学习的方式有以下三种： (1) 有监督学习