BP神经网络课程设计.docxVIP

《数值分析》与《数学实验》专业实训 报 告 书 题 目 基于?BP?神经网络预测方法的预测 模型 一、问题描述 建立基于?BP?神经网络的信号回归模型，来预测某一组数据。 二、基本要求 1.熟悉掌握神经网络知识； 2.学习多层感知器神经网络的设计方法和?Matlab?实现； 3.学习神经网络的典型结构； 4.了解?BP?算法基本思想，设计?BP?神经网络架构； 5.谈谈实验体会与收获。 三、数据结构 BP?网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描 述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播 来不断调整网络的权值和阈值，使网络的误差平方和最小。BP?神经网络模型拓 扑结构包括输入层（input）、隐层(hide?layer)和输出层(output?layer)。 BP?神经网络算法:?神经网络由神经元和权重构成，神经元即为：输入节点， 输出节点和隐层结点三部分；权重是各个神经元相互连接的强度。神经网络通 过训练，从样本中学习知识，并且将知识以数值的形式存储于连接权中。神经 网络的分类过程分成两部分，首先学习网络的权重，利用一些已知的数据训练 网络得到该类数据模型的权重；接着根据现有的网络结构和权重等参数得到未 知样本的类别。BP?算法被称作反向传播算法，主要思想是从前向后（正向）逐 1 层传播信息；从后向前（反向）逐层传播输出层的误差