大学生数学建模(神经网络 模版).docVIP

PAGE PAGE 1 数 学 建 模 神经网络的发源：人工神经网络是现代在现代神经科学的基础提出和发展起来的。旨在反映人脑结构及功能的一种抽象的数学模型。前后经历了发展时期，低谷时期，复兴时期。1943年， HYPERLINK /view/4268.htm \t _blank 心理学家W.S.McCulloch和数理 HYPERLINK /view/2958.htm \t _blank 逻辑学家W.Pitts建立了神经网络和 HYPERLINK /view/76167.htm \t _blank 数学模型，称为MP模型。他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。1982年，美国加州工学院 HYPERLINK /view/67012.htm \t _blank 物理学家J.J.Hopfield提出了Hopfield神经 HYPERLINK /view/10755.htm \t _blank 网格模型，引入了“计算能量”概念，给出了网络稳定性判断。 1984年，他又提出了连续时间Hopfield神经网络模型，开创了神经网络用于联想记忆和优化计算的新途径，有力地推动了神经网络的研究，1985年，又有学者提出了波耳兹曼模型，在学习中采用统计热力学模拟退火技术，保证整个系统趋于全局稳定点。1986年进行认知微观结构地研究，提出了并行分布处理的理论。20世纪80年代以后，神经网络广泛应用与航空,汽车,银行,国防,电子,娱乐,金融,保险,制造,医药,石油,机器人技术,通讯,运输等等，有40多种模型。现在仅讨论最基本的网络模型及其算法。神经网络原理人工神经网络是根据人的认识过程而开发出的一种算法。假如我们现在只有一些输入和相应的输出，而对如何由输入得到输出的机理并不清楚，那么我们可以把输入与输出之间的未知过程看成是一个“网络”，通过不断地给这个网络输入和相应的输出来“训练”这个网络，网络根据输入和输出不断地调节自己各节点之间的权值来满足输入和输出。这样，当训练结束后，我们给定一个输入，网络便会根据自己已调节好的权值计算一个输出。人工神经元模型人工神经元基础模型神经网络按照网格结构和激发函数的不同分为许多种，以感知器和BP网络应用比较广泛。下图表示出了作为人工神经网络（以下简称NN）的基本单元的神经元模型，它有三个基本要素：一组连接，连接由连接上的权值表示，权值为正表示激活，负表示抑制。一个求和单元，用于求取各输入信号的加权和。一个非线性激活函数，起非线性映射作用并将神经元输出幅度限制在一定范围内（一般限制在（0,1）或（-1,1）之间）。此外还有一个阈值：b以上作用分别以数学式表达出来：输入: 权重: 偏置: 激励函数: 输出：激活函数有以下几种函数名输入/输出关系 MATLAB 函数阈值函数a = 0, n 0a = 1, n =0hardlimSymmetrical Hard Limita = -1, n 0a = 1, n =0hardlimsLineara = npurelin分段线性函数a = 0, n 0a = n, 0=n=1a = 1, n 1satlinSymmetric Saturating Lineara = -1, n -1a = n, -1=n=1a = 1, n 1satlinsLog-Sigmoid 函数a=1/(1 + e-n)logsig双曲线正切函数a=1–e-n/(1+e-n)tansigPositive Lineara = 0, n 0a = n, n = 0poslinCompetitivea = 1, neuron with max na = 0, all other neuronscompet各个函数的定义及使用方法，可以参看matlab的帮助。网络结构及工作方式除单元特性外，网络拓扑也是NN的一个重要特性。从连接方式看NN主要有两种。前馈型网络各神经元接受前一层的输入，并输出给下一层，没有反馈。结点分两类，即输入单元和计算单元，每个计算单元可有任意个输入，但只有以输出。通常前馈网络可分为不同的层，第层的输入仅与第层的输出有关，输入输出结点与外界相连，而其中间层为隐层。反馈性网络所有结点都是计算单元，同时也可接受输入，并向外界输出。NN的工作过程分为两个阶段：第一个是学习期，此时各计算单元状态不变，各连线的权值可通过学习来修改；第二个是工作期，此时各连接权固定，计算单元状态变化，以达到某种稳定状态。从作用效果看，前馈网络主要是函数