内容发布更新时间 : 2024/9/20 23:48:25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