BP神网络实验：理解反向传播算法与实现简单分类.pdfVIP

实验四计算智能(1)

软工研‑142014312170106

1.实验目的

理解反向网络的结构和原理，掌握反向算法对神经元的训练过程，了解反向

。通过构建BP网络实例，熟悉前馈网络的原理及结构。

2.实验内容

编写一个BP神经网络程序，实现简单的分类。

3.实验报告要求

(1)简述实验原理及方法，并请给出程序设计流程图。

一、模式识别与BP神经网络

1.1模式识别与神经网络的特点

1.1.1模式识别的基本原理模式识别系统的结构如图1所示，下面对各部分

进行简要说明。

图1模式识别系统的构成

(1)信息获取：为了使计算机能够对各种现象进行分类识别，要用计算机可以运算的符号

来表示所研究的对象。通常输入对象的信息有二维图像、一维波形、参数和逻辑值三种

类型。通过测量采样和量化，可以用矩阵或向量表示二维图像或一维波形。这就是数据获取

的过程。

(2)预处理：去噪声，提取有用信息，并对输入测量仪器或其他因素所造成的现象进

行复原。

(3)特征值提取与选择：由图像或波形所获得的数据量是相当大的。例如，一个文字图像

可以有几千个数据，一个图像的数据量就更大。为了有效地实现分类识别，就要对

[1]

原始数据进行变换，得到最能反映分类本质的特征。

1.1.2神经网络的特性

(1)它具有自组织和习能力，能够直接输入数据并进行学习。

(2)神经网络具有推广能力。

(3)网络是非线性的，即它可以找到系统输入变量之间复杂的相互作用。

1.2BP神经网络

1.2.1BP网络简介

20世纪80年代中期，学者Rumelhart、McClelland和他们的同事提出了多

实验四计算智能(1)

软工研-142014312170106

1.实验目的

理解反向网络的结构和原理，掌握反向算法对神经元的训练过程，了解反向传

播。通过构建BP网络实例，熟悉前馈网络的原理及结构。

2.实验内容

编写一个BP神经网络程序，实现简单的分类。

3.实验报告要求

（1）简述实验原理及方法，并请给出程序设计流程图。

一、模式识别与BP神经网络

1.1模式识别与神经网络的特点

1.1.1模式识别的基本原理

模式识别系统的结构如图1所示，下面对各部分进行简要说明。

图1模式识别系统的构成

（1）信息获取：为了使计算机能够对各种现象进行分类识别，要用计算机

可以运算的符号来表示所研究的对象。通常输入对象的信息有二维图像、一维波

形、参量和逻辑值三种类型。通过测量采样和量化，可以用矩阵或向量表示

二维图像或一维波形。这就是数据获取的过程。

（2）预处理：去噪声，提取有用信息，并对输入测量仪器或其它因素所造

成的现象进行复原

（3）特征值提取与选择：由图像或波形所获得的数据量是相当大的。例如，

一个文字图像可以有几千个数据，一个图像的数据量就更大。为了有效

[1]

的实现分类识别，就要对原始数据进行变换，得到最能反映分类本质的特征。

1.1.2神经网络的特点

（1）它具有自组织和习能力，能够直接输入数据并进行学习。

（2）神经网络具有推广能力。

（3）网络是非线性的，即它可以找到系统输入变量之间复杂的相互作用。

1.2BP