資源描述：
《函數(shù)逼近基于.MATLAB的BP神經(jīng)網(wǎng)絡應用》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、....目錄1緒論11.1人工神經(jīng)網(wǎng)絡的研究背景和意義11.2神經(jīng)網(wǎng)絡的發(fā)展與研究現(xiàn)狀21.3神經(jīng)網(wǎng)絡的研究內(nèi)容和目前存在的問題31.4神經(jīng)網(wǎng)絡的應用42神經(jīng)網(wǎng)絡結構及BP神經(jīng)網(wǎng)絡42.1神經(jīng)元與網(wǎng)絡結構42.2BP神經(jīng)網(wǎng)絡及其原理72.3BP神經(jīng)網(wǎng)絡的主要功能92.4BP網(wǎng)絡的優(yōu)點以及局限性93BP神經(jīng)網(wǎng)絡在實例中的應用103.1基于MATLAB的BP神經(jīng)網(wǎng)絡工具箱函數(shù)103.2BP網(wǎng)絡在函數(shù)逼近中的應用123.3BP網(wǎng)絡在樣本含量估計中的應用174結束語23參考文獻:24英文摘要25致謝26學習資料....基于MATLAB的BP神經(jīng)網(wǎng)絡應用1緒論人工神經(jīng)網(wǎng)絡（
2、ArtificialNeuralNetworks，NN）是由大量的、簡單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復雜網(wǎng)絡系統(tǒng)，它反映了人腦功能的許多基本特征，是一個高度復雜的非線性動力學系統(tǒng)[1]。神經(jīng)網(wǎng)絡具有大規(guī)模并行、分布式存儲和處理、自組織、自適應和自學習能力，特別適合處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題。神經(jīng)網(wǎng)絡的發(fā)展與神經(jīng)科學、數(shù)理科學、認知科學、計算機科學、人工智能、信息科學、控制論、機器人學、微電子學、心理學、微電子學、心理學、光計算、分子生物學等有關，是一門新興的邊緣交叉學科。神經(jīng)網(wǎng)絡具有非線性自適應的信息處理能力，克
3、服了傳統(tǒng)人工智能方法對于直覺的缺陷，因而在神經(jīng)專家系統(tǒng)、模式識別、智能控制、組合優(yōu)化、預測等領域得到成功應用[2]。神經(jīng)網(wǎng)絡與其他傳統(tǒng)方法相組合，將推動人工智能和信息處理技術不斷發(fā)展。近年來，神經(jīng)網(wǎng)絡在模擬人類認知的道路上更加深入發(fā)展，并與模糊系統(tǒng)、遺傳算法、進化機制等組合，形成計算智能，成為人工智能的一個重要方向。MATLAB是一種科學與工程計算的高級語言，廣泛地運用于包括信號與圖像處理，控制系統(tǒng)設計，系統(tǒng)仿真等諸多領域。為了解決神經(jīng)網(wǎng)絡問題中的研究工作量和編程計算工作量問題，目前工程領域中較為流行的軟件MATLAB，提供了現(xiàn)成的神經(jīng)網(wǎng)絡工具箱（NeuralNe
4、tworkToolbox，簡稱NNbox）[3]，為解決這個矛盾提供了便利條件。神經(jīng)網(wǎng)絡工具箱提供了很多經(jīng)典的學習算法，使用它能夠快速實現(xiàn)對實際問題的建模求解。在解決實際問題中，應用MATLAB語言構造典型神經(jīng)網(wǎng)絡的激活傳遞函數(shù)，編寫各種網(wǎng)絡設計與訓練的子程序，網(wǎng)絡的設計者可以根據(jù)需要調(diào)用工具箱中有關神經(jīng)網(wǎng)絡的設計訓練程序，使自己能夠從煩瑣的編程中解脫出來，減輕工程人員的負擔，從而提高工作效率。1.1人工神經(jīng)網(wǎng)絡的研究背景和意義人工神經(jīng)網(wǎng)絡是由具有適應性的簡單單元組成的廣泛并行互連的網(wǎng)絡，它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反應[5]。人工神經(jīng)網(wǎng)
5、絡就是模擬人思維的一種方式，是一個非線性動力學系統(tǒng)，其特色在于信息的分布式存儲和并行協(xié)同處理。雖然單個神經(jīng)元的結構極其簡單，功能有限，但大量神經(jīng)元構成的網(wǎng)絡系統(tǒng)所能實現(xiàn)的行為卻是極其豐富多彩的。近年來通過對人工神經(jīng)網(wǎng)絡的研究，可以看出神經(jīng)網(wǎng)絡的研究目的和意義有以下三點：（1）通過學習資料....揭示物理平面與認知平面之間的映射，了解它們相互聯(lián)系和相互作用的機理，從而揭示思維的本質，探索智能的本源。（2）爭取構造出盡可能與人腦具有相似功能的計算機，即神經(jīng)網(wǎng)絡計算機。（3）研究仿照腦神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡，將在模式識別、組合優(yōu)化和決策判斷等方面取得傳統(tǒng)計算機所難以達到
6、的效果。人工神經(jīng)網(wǎng)絡特有的非線性適應性信息處理能力，克服了傳統(tǒng)人工智能方法對于直覺，如模式、語音識別、非結構化信息處理方面的缺陷，使之在神經(jīng)專家系統(tǒng)、模式識別、智能控制、組合優(yōu)化、預測等領域得到成功應用。人工神經(jīng)網(wǎng)絡與其它傳統(tǒng)方法相結合，將推動人工智能和信息處理技術不斷發(fā)展。近年來，人工神經(jīng)網(wǎng)絡正向模擬人類認知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進化機制等結合，形成計算智能，成為人工智能的一個重要方向，將在實際應用中得到發(fā)展。將信息幾何應用于人工神經(jīng)網(wǎng)絡的研究，為人工神經(jīng)網(wǎng)絡的理論研究開辟了新的途徑。神經(jīng)計算機的研究發(fā)展很快，已有產(chǎn)品進入市場。光電結合的神
7、經(jīng)計算機為人工神經(jīng)網(wǎng)絡的發(fā)展提供了良好條件。1.2神經(jīng)網(wǎng)絡的發(fā)展與研究現(xiàn)狀1.2.1神經(jīng)網(wǎng)絡的發(fā)展神經(jīng)網(wǎng)絡起源于20世紀40年代，至今發(fā)展已半個多世紀，大致分為三個階段【7】。1）20世紀50年代-20世紀60年代：第一次研究高潮自1943年M-P模型開始，至20世紀60年代為止，這一段時間可以稱為神經(jīng)網(wǎng)絡系統(tǒng)理論發(fā)展的初期階段。這個時期的主要特點是多種網(wǎng)絡的模型的產(chǎn)生與學習算法的確定。2）20世紀60年代-20世紀70年代：低潮時期到了20世紀60年代，人們發(fā)現(xiàn)感知器存在一些缺陷，例如，它不能解決異或問題，因而研究工作趨向低潮。不過仍有不少學者繼續(xù)對神經(jīng)網(wǎng)絡進行
8、研究。Gr
