bp神经网络课程设计.pdfVIP

BP神经网络课程设 计 1 2020 年 4 月 19 日 文档仅供参考 《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，经过反向传播来不断调整网络的权值和阈值，使网络 2 2020 年 4 月 19 日 文档仅供参考 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。神经网络经过训练，从样本中学习知识，而且 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）逐层传播信息；从后向前（反向）逐层传播输 出层的误差，间接算出隐层误差。 四、实验内容 人工神经网络是用来模拟人脑结构及智能特点的一个前沿研 究领域 ,它的一个重要特点是经过网络学习达到其输出与期望输出 相符的结果 ,具有很强的自学习、自适应、鲁棒性、容错性及存储 记忆的能力 .人工神经网络系统评价方法以其超凡的处理复杂非线 性问题的能力独树一帜 ,这种评价方法忠实于客观实际 ,不带任何人 为干预的成分 ,是一种较好的动态评价方法 . 近年来 ,人工神经网络 的研究和应用受到了国内外的极大重视 . 在人工神经网络中有多种 模型 ,其中 BP神经网络模型最成熟 ,其应用也最为广泛 . BP神经网络是一种具有两层或两层以上的阶层型神经网络 ,层 3 2020 年 4 月 19 日 文档仅供参考 间神经元实现全连接 ,即下层的每个神经元与上层的每个神经元都 实现权连接 ,