BP神经网络原理及其在字符“1”识别中的应用.pdf

人工智能小文章 BP —— 神经网络原理及其在字符识别中的应用 姓名：李勇 QQ：583357467 院系：机械学院 时间：2013年6月19 日 Abstract ANN（artificialneuralnetwork）havedevelopedfromthethoughtofimitatin thenervesystemof human brain to the complicated applications with other calculation methods for several decades.From the history of ANN development,researchers focused on ANN connection weights,architecture,learnin rules and input features.In orderto solvin the intrinsic problem in ANN, combinin with other algorithm,such as evolutionary algorithms(genetic algorithm) was introduced toANN .Pointin out the possible future research directions is feasiblebased on the overview ofANN development history.At last,usin BP-ANN to identify simple characters was conductedbyMATLABinmyproject.SomeresultsreflectedtheANN’scharacteristics. 摘要 人工神经网络（ANN）的发展了数十年，从最初模拟人体大脑神经系统的结构到与目前 其他算法相结合实现复杂的工程应用，神经网路的发展一直备受研究人员和工程技术人员的 关注。从研究内容的角度看，神经网络经历了连接权系数、网络架构、学习更新算法、输入 特征等阶段，同时为了解决神经网络本身的不足，其他的计算智能方法 （如遗传算法）引入 到了神经网络的应用中。在分析了ANN发展的综述后，从人体大脑的角度指出神经网路的 发展趋势，最后利用经典的BP神经网络进行简单字符模型的识别实验，确定构建网络的方 法步骤，分析和验证BP 网络的相关特性。 关键字：人工神经网络，发展历史思路，BP 网络，字符识别 1.Introduction 人工神经网络是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，在工程与 学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或 称神经元）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数。每两 个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经 网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。网络自身 通常都是对自然界某种算法或者函数的逼近，可能是对一种逻辑策略的表达。[1] 图1 大脑神经和人工神经网络的对比 神经网络的提出是在1890年由美国的心理学家W.James在人脑的结构和功能方面的研究 上，这种模拟人脑的数学结构一度吸引了大量的研究者，这个时期主要论证这种结构能解决 什么样样的问题以及如何解决这种问题，随着Minisky和Papert 的 《感知器》的发表，此文 指出这种数学模型无法解决高阶谓词问题（异或），将神经网络的研究推向了低谷。神经网 络的再度复苏是有两个原因，一个是理论上推翻了神经网络不能解决高阶谓词逻辑的结论， 二是工程应用上以BP神经网络为代表的权重更新规则能够将权重系数确定的问题解决。在 这之后，神经网络迎来了广泛的关注和蓬勃的发展，研究者围绕着提升ANN性能开展了丰 富的研究和广泛的应用，例如网络架构的研究，神经网络与其他算法的结合等等[2]。 神经网络在进一步的研究是什么？这个问题仁者见仁智者见智，就个人认为主要有两个方 面。一方面继续现有的研究，采用各种办法提升现有框架结构的性能，更为复杂的问题作为 需求上的推动将会持续不断的对现有算法进行改进提升。另一方面，为了提升神经网络的