基于MATLAB和BP网络的数字识别技术.pdfVIP

137 2007年第11期 网络纵横 基于MATLAB和BP网络的数字识别技术 张 坤 王 达 （南阳师范学院） 摘 要 本文概括地讨论了神经网络通用模型的三要素（神经元、联接强度、学习算法）的特征，在对典型的网络即BP网络 的发展动态和进展进行了系统的分析基础上讨论了BP算法的基本概念、运行机制和一些关键性技术。利用BP神经网络进行数字 识别的方法，对数字进行特征提取，获得采样数据，再对样本数据进行学习和训练，形成良好的网络，然后对已训练数字有所区 别的数字进行检测，达到一定的准确度，表明了该方法在实际应用中具有可行性。 关键词 神经网络 Bp算法 MATLAB 数字识别 本文对典型的网络即BP网络的发展动态和进展进行系统的分 析，利用BP神经网络进行数字识别的方法，对数字进行特征提 取，获得采样数据，再对样本数据进行学习和训练，形成良好的网 络，然后对已训练数字有所区别的数字进行检测，表明该方法在实 第二阶段（反向传播过程）输出误差逐层向前算出隐层各个单 际应用中具有可行性。仿真实例和数字识别验证了改进的BP神经 元的误差，并用此误差修正前层的值。在BP算法中常采用梯度法 网络的有效性。 修正权值，为此要求输出函数可微，通常采用Sigmoid函数作为输 出函数。 1 人工神经网络的概述 所谓人工神经网络就是基于模仿生物大脑的结构和功能而构成 （1）计算误差： 的一种信息处理系统（计算机）。 （2）按照梯度方向计算各层权重的修正量： 按美国神经网络学者Nielsen的定义:人工神经网络是一个并 行、分布处理结构，它由处理单元及其称为联接的无向讯号通道互 其中 的计算公式为 连而成。这些处理单元具有局部内存，可以完成局部操作，即它必 须仅仅依赖于经过输入联接到达处理单元的所有输入信号的当前值 （3）修正各层权重： 和存储在处理单元局部内存中的值。每个处理单元有一个单一的输 （4）重复上述过程直到算法收敛，即误差小于给定的阈值。 出联接，输出信号可以是任何需要的数学模型。尽管它只是大脑的 4 编程工具MATLAB 低级近似，但它的许多特点和人类的智能特点类似，有着较强的识 别能力和广泛的应用前景。 MATLAB是集数值计算、符号计算和图形可视化三大基本功 能于一体的，功能强大、操作简单的语言，是国际公认的优秀数学 2 神经网络的研究方向 应用软件之一。 神经网络具有以下几个研究方向：①开发现有模型的应用，并 概括地讲，整个MATLAB系统由两部分组成，即MATLAB内 在应用中根据实际运行情况对模型、算法加以改造，以提高网络的 核及辅助工具箱，两者的调用构成了MATLAB的强大功能。主要 训练速度和运行的准确度。②充分发挥每种技术各自的优势，寻找 特点：①运算符和库函数极其丰富，语言简洁，编程效率高。 更有效的解决方法。③希望在理论上寻找新的突破，建立新的专用 MATLAB除了提供和C语言一样的运算符号外，还提供广泛的矩阵 或通用模型和算法。④进一步对生物神经系统进行研究，不断丰富 和向量运算符。利用其运算符号和库函数可使其程序相当简短，两 对人脑的认识。⑤主要的应用领域有：模式识别和图像处理、预报 三行语句就可实现几十行甚至几百行C或FORTRAN的程序功能。 和智能信息管理、通讯、控制和优化等。 ②既具有结构化的控制语句（如for循环、while循环、break语句、 3 反向传播算法 if语句和switch语句），又有面向对象的编程特性。③图形功能强