模式识别-神经网络综述 下载本文

内容发布更新时间 : 2024/12/25 12:22:49星期一 下面是文章的全部内容请认真阅读。

结课论文

题目: 神经网络综述

学 院 河北大学工商学院 学科门类 理科 专 业 网络工程 学 号 2013483158 姓 名 苑磊 指导教师 李凯,邢洪杰

2016年11月3 日

学号:2013483158 专业:13级网络工程1班 姓名:苑磊 成绩:

神经网络综述

一 摘要

作为一门近年来活跃的交叉性边缘学科,神经网络已经广泛的应用于图像的分割和对象的识别、分类问题中。近些年来,针对神经网络的学术研究大量涌现,由于他看起来不需要使用者对数学模型尤很多的了解,其基本思想很快被各个领域所接受,而随着人工神经网络的发展,神经网络模式识别在模式识别领域中起着越来越重要的作用。其中多层感知器神经网络具有通用非线性判别函数逼近器的性质,因此它在模式识别问题中得到了广泛的应用。BP神经网络算法是在BP神经网络现有算法的基础上提出的,是通过任意选定一组权值,将给定的目标输出直接作为线性方程的代数和来建立线性方程组,解得待求权,不存在传统方法的局部极小及收敛速度慢的问题,且更易理解。尤其是对于非线性的模式识别问题,相对于传统方法,其具有更好的特点。本文介绍了神经网络的一些概况,基本模型,以及神经网络模式识别的特点及算法思想。

二:关键词

神经网络、模式识别、多层感知网络、BP神经网络算法

三:正文 1.引言

人类对于认知的探索由来已久。但由于科学技术发展水平所限,人们对人脑的认识主要停留在观察和猜测的基础之上,缺乏有关人脑内部及其工作原理的科学依据,因此进展缓慢。直到20世纪40年代,随着神经解刨学、神经生理学以及神经元的电生理过程等的研究取得突破性进展,人们对人脑的结构、组成及最基本工作单元有了越来越充分的认识,在此基本认识的基础上,以数学和物理方法以及信息处理的角度对人脑神经网络进行抽象,并建立简化的模型,称之为人工神经网络ANN(Artificial Neural Network),为叙述方便将人工神经网络直接称之为神经网络。

模式识别是一种基本的智能活动,对模式识别方法的研究是机器智能研究的一个重要方面。人们对机器智能的研究有主要两个出发点,一是通过试图对人类(和其他高度动物)的自然智能建立一定的数学模型,来帮助理解智能活动的奥秘;二是利用各种数学手段,以计算机为工具建立具备一定智能的机器。早在20世纪40~50年代,人们就开始尝试研究神经系统的数学模型。从20世纪80年代以来,人们开始更大量借用神经生物学的概念(至少是术语)来研究机器智能,诞生了一门新兴的学科——人工神经网络,为模式识别的方法体系注入了新鲜血液。采用不同的数学模型就得到不同的神经网络方法,其中最有影响力的模型应该是多层感知器(MLP)模型。他具有从训练数据中学习任意复杂的非线性映射的能力,也包括实现复杂的非线性映射的能力,也包括复杂的非线性分类判别函数。从模式识别角度,多层感知器方法可以看作是一种通用的非线性分类器设计方法。目前,神经网络已经广泛的应用于图像的分割和对象的识别、分类问题中。根据神经网络的结构特点,人们通常把神经网络模型分成三种类型:前馈型网络(freedford network)、反馈型网络(feedback network)和竞争学习网络(competitive learning network)。

2.基本模型

2.1 典型神经元模型

一个典型的简化了的神经元工作过程是这样的:来自外界(外界或其它细胞)的电信号通过突触传递给神经元,当细胞收到的信号总和超过一定的阈值后,细胞被激活,通过轴突向下一个细胞发送电信号,完成对外界信息的加工。

2.2McCulloch-Pitts模型

MaCulloch-Pitts模型是W.S.McCulloch和W.H.Pitts在1943年提出的。图中x1~xn表示神经元的多个树突接收到的信号,n是向量x的维数,w1,…,wn称作权值,反映各个输入信号的作用强度。神经元的作用是将这些信号加权求和,当求和超过一定的阈值后神经元即进入激活状态,输出值y=1;否则神经元处于抑制状态,输出值为0。

2.3 BP神经网络

BP神经网络是基于BP算法的多层前馈网络,其网络结构简单,算法成熟,具有自学习和自适应等优点,并且具有非线性动力学的特点。BP算法通过输入、输