資源描述：
《基于bp算法的神經(jīng)網(wǎng)絡技術研究與應用 畢業(yè)論文》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、南京郵電大學通達學院畢業(yè)設計（論文）題目：基于BP算法的神經(jīng)網(wǎng)絡技術研究與應用專業(yè)：學生姓名：班級學號：指導教師：指導單位：日期：2012年12月3日至2013年6月21日摘要本文首先說明課題研究的目的和意義，評述課題的國內(nèi)外研究現(xiàn)狀，引出目前存在的問題。然后分析了神經(jīng)網(wǎng)絡算法的基本原理，給出經(jīng)典神經(jīng)網(wǎng)絡算法的具體實現(xiàn)方法，總結神經(jīng)網(wǎng)絡算法的特點，掌握BP網(wǎng)絡的形成步驟。學會使用Matlab中的神經(jīng)網(wǎng)絡工具箱函數(shù)，采用Matlab軟件編程實現(xiàn)BP神經(jīng)網(wǎng)絡算法。將神經(jīng)網(wǎng)絡算法應用于函數(shù)逼近，樣本分類和樣本含量估計問題中，并分析相關參數(shù)或算法對運行結果的影響。最后對BP神經(jīng)網(wǎng)絡算法
2、進行了展望。關鍵字:神經(jīng)網(wǎng)絡；BP神經(jīng)網(wǎng)絡；函數(shù)逼近；仿真實驗ABSTRACTThispaperfirstexplainsthepurposeandsignificanceofthetopicresearch.Commentarystudiescurrentsituationattheproblemhomeandabroad.Leadstotheexistingproblems.andthenhaveanalyzedalgorithmicbasalprincipleofneuralnetworks,Givealgorithmicconcertofclassicsneuralne
3、tworksouttherealizationmethod.Summingupthecharacteristicsofneuralnetworkalgorithm.MastertheformingstepofBPnetwork.ThearithmeticofBPneuralnetworkisrealizedinMatlabsoftware.ThealgorithmappliesofBPneuralnetworkstothefunctionapproximationproblem,Sampleclassificationandcomputestheswatch??content.
4、Andanalysisofrelevantparametersontheresultsofalgorithm.Finally,TheBPneuralnetworkalgorithmisOutlook.Keywords:Neuralnetwork；BPneuralnetwork；Functionapproximation；Simulationexperiment目錄第一章引言11.1神經(jīng)網(wǎng)絡的概述11.2人工神經(jīng)網(wǎng)絡的研究目的和意義11.3神經(jīng)網(wǎng)絡的發(fā)展與研究現(xiàn)狀21.3.1神經(jīng)網(wǎng)絡的發(fā)展21.3.2神經(jīng)網(wǎng)絡的研究現(xiàn)狀31.4神經(jīng)網(wǎng)絡研究目前存在的問題31.5神經(jīng)網(wǎng)絡的應用領域3
5、第二章BP神經(jīng)網(wǎng)絡概述52.1BP神經(jīng)網(wǎng)絡介紹52.2神經(jīng)元52.2.1人工神經(jīng)元52.2.2生物神經(jīng)元92.3BP神經(jīng)網(wǎng)絡原理92.4BP神經(jīng)網(wǎng)絡的主要功能112.5BP神經(jīng)網(wǎng)絡的優(yōu)點和缺點12第三章BP神經(jīng)網(wǎng)絡的應用153.1基于MATLAB的BP神經(jīng)網(wǎng)絡工具箱函數(shù)153.1.1MATLAB工具箱介紹153.1.2BP網(wǎng)絡創(chuàng)建函數(shù)163.1.3神經(jīng)元上的傳遞函數(shù)163.1.4BP網(wǎng)絡學習函數(shù)173.1.5BP網(wǎng)絡訓練函數(shù)173.2BP網(wǎng)絡在函數(shù)逼近中的應用173.2.1問題的提出173.2.2基于BP神經(jīng)網(wǎng)絡逼近函數(shù)173.2.3不同頻率下的逼近效果213.2.4討論233
6、.3仿真實驗233.3.1BP神經(jīng)網(wǎng)絡MATLAB設計233.3.2各種BP學習算法MATLAB仿真253.3.3各種算法仿真結果比較與分析273.3.4調(diào)整初始權值和閾值的仿真283.3.5其他影響因素仿真313.4BP神經(jīng)網(wǎng)絡在樣本分類中的應用313.4.1問題的提出313.4.2基于BP神經(jīng)網(wǎng)絡的樣本分類32結束語36致謝37參考文獻38附錄A40第一章引言1.1神經(jīng)網(wǎng)絡的概述人工神經(jīng)網(wǎng)絡（ArtificialNeuralNetworks，簡寫為ANNs）也簡稱為神經(jīng)網(wǎng)絡（NNs）或稱作連接模型（ConnectionModel），它是一種模范動物神經(jīng)網(wǎng)絡行為特征，進行分布
7、式并行信息處理的算法數(shù)學模型。這種網(wǎng)絡依靠系統(tǒng)的復雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關系，從而達到處理信息的目的。神經(jīng)元網(wǎng)絡是機器學習學科中的一個重要部分，用來classification或者regression。思維學普遍認為，人類大腦的思維分為抽象（邏輯）思維、形象（直觀）思維和靈感（頓悟）思維三種基本方式。邏輯性的思維是指根據(jù)邏輯規(guī)則進行推理的過程；它先將信息化成概念，并用符號表示，然后，根據(jù)符號運算按串行模式進行邏輯推理；這一過程可以寫成串行的指令，讓計算機執(zhí)行。然而，直觀性
