函數(shù)逼近基于某MATLAB地BP神經(jīng)網(wǎng)絡(luò)應(yīng)用

《函數(shù)逼近基于某MATLAB地BP神經(jīng)網(wǎng)絡(luò)應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、實(shí)用標(biāo)準(zhǔn)文檔目錄1緒論11.1人工神經(jīng)網(wǎng)絡(luò)的研究背景和意義11.2神經(jīng)網(wǎng)絡(luò)的發(fā)展與研究現(xiàn)狀21.3神經(jīng)網(wǎng)絡(luò)的研究?jī)?nèi)容和目前存在的問(wèn)題31.4神經(jīng)網(wǎng)絡(luò)的應(yīng)用42神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及BP神經(jīng)網(wǎng)絡(luò)42.1神經(jīng)元與網(wǎng)絡(luò)結(jié)構(gòu)42.2BP神經(jīng)網(wǎng)絡(luò)及其原理72.3BP神經(jīng)網(wǎng)絡(luò)的主要功能92.4BP網(wǎng)絡(luò)的優(yōu)點(diǎn)以及局限性93BP神經(jīng)網(wǎng)絡(luò)在實(shí)例中的應(yīng)用103.1基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)103.2BP網(wǎng)絡(luò)在函數(shù)逼近中的應(yīng)用123.3BP網(wǎng)絡(luò)在樣本含量估計(jì)中的應(yīng)用174結(jié)束語(yǔ)23參考文獻(xiàn):24英文摘要25致謝26文案大全實(shí)用標(biāo)準(zhǔn)文檔基于MATLAB的BP

2、神經(jīng)網(wǎng)絡(luò)應(yīng)用1緒論人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，NN）是由大量的、簡(jiǎn)單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)[1]。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲(chǔ)和處理、自組織、自適應(yīng)和自學(xué)習(xí)能力，特別適合處理需要同時(shí)考慮許多因素和條件的、不精確和模糊的信息處理問(wèn)題。神經(jīng)網(wǎng)絡(luò)的發(fā)展與神經(jīng)科學(xué)、數(shù)理科學(xué)、認(rèn)知科學(xué)、計(jì)算機(jī)科學(xué)、人工智能、信息科學(xué)、控制論、機(jī)器人學(xué)、微電子學(xué)、心理學(xué)、微電子學(xué)、心理學(xué)、光計(jì)算、分子生物學(xué)等有關(guān)，是一門(mén)新興的

3、邊緣交叉學(xué)科。神經(jīng)網(wǎng)絡(luò)具有非線性自適應(yīng)的信息處理能力，克服了傳統(tǒng)人工智能方法對(duì)于直覺(jué)的缺陷，因而在神經(jīng)專家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用[2]。神經(jīng)網(wǎng)絡(luò)與其他傳統(tǒng)方法相組合，將推動(dòng)人工智能和信息處理技術(shù)不斷發(fā)展。近年來(lái)，神經(jīng)網(wǎng)絡(luò)在模擬人類認(rèn)知的道路上更加深入發(fā)展，并與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等組合，形成計(jì)算智能，成為人工智能的一個(gè)重要方向。MATLAB是一種科學(xué)與工程計(jì)算的高級(jí)語(yǔ)言，廣泛地運(yùn)用于包括信號(hào)與圖像處理，控制系統(tǒng)設(shè)計(jì)，系統(tǒng)仿真等諸多領(lǐng)域。為了解決神經(jīng)網(wǎng)絡(luò)問(wèn)題中的研究工作量和編程計(jì)算工作量問(wèn)題，目前工

4、程領(lǐng)域中較為流行的軟件MATLAB，提供了現(xiàn)成的神經(jīng)網(wǎng)絡(luò)工具箱（NeuralNetworkToolbox，簡(jiǎn)稱NNbox）[3]，為解決這個(gè)矛盾提供了便利條件。神經(jīng)網(wǎng)絡(luò)工具箱提供了很多經(jīng)典的學(xué)習(xí)算法，使用它能夠快速實(shí)現(xiàn)對(duì)實(shí)際問(wèn)題的建模求解。在解決實(shí)際問(wèn)題中，應(yīng)用MATLAB語(yǔ)言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)的激活傳遞函數(shù)，編寫(xiě)各種網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練的子程序，網(wǎng)絡(luò)的設(shè)計(jì)者可以根據(jù)需要調(diào)用工具箱中有關(guān)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)訓(xùn)練程序，使自己能夠從煩瑣的編程中解脫出來(lái)，減輕工程人員的負(fù)擔(dān)，從而提高工作效率。1.1人工神經(jīng)網(wǎng)絡(luò)的研究背景和意義人工神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡(jiǎn)單單

5、元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體所作出的交互反應(yīng)[5]。人工神經(jīng)網(wǎng)絡(luò)就是模擬人思維的一種方式，是一個(gè)非線性動(dòng)力學(xué)系統(tǒng)，其特色在于信息的分布式存儲(chǔ)和并行協(xié)同處理。雖然單個(gè)神經(jīng)元的結(jié)構(gòu)極其簡(jiǎn)單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實(shí)現(xiàn)的行為卻是極其豐富多彩的。近年來(lái)通過(guò)對(duì)人工神經(jīng)網(wǎng)絡(luò)的研究，可以看出神經(jīng)網(wǎng)絡(luò)的研究目的和意義有以下三點(diǎn)：（1）通過(guò)揭示物理平面與認(rèn)知平面之間的映射，了解它們相互聯(lián)系和相互作用的機(jī)理，從而揭示思維的本質(zhì)，探索智能的本源。（2）爭(zhēng)取構(gòu)造出盡可能與人腦具有相似功能的計(jì)算機(jī)，即神經(jīng)網(wǎng)

6、絡(luò)計(jì)算機(jī)。（3文案大全實(shí)用標(biāo)準(zhǔn)文檔）研究仿照腦神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)，將在模式識(shí)別、組合優(yōu)化和決策判斷等方面取得傳統(tǒng)計(jì)算機(jī)所難以達(dá)到的效果。人工神經(jīng)網(wǎng)絡(luò)特有的非線性適應(yīng)性信息處理能力，克服了傳統(tǒng)人工智能方法對(duì)于直覺(jué)，如模式、語(yǔ)音識(shí)別、非結(jié)構(gòu)化信息處理方面的缺陷，使之在神經(jīng)專家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)與其它傳統(tǒng)方法相結(jié)合，將推動(dòng)人工智能和信息處理技術(shù)不斷發(fā)展。近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)正向模擬人類認(rèn)知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等結(jié)合，形成計(jì)算智能，成為人工智能的一個(gè)重要方向，

7、將在實(shí)際應(yīng)用中得到發(fā)展。將信息幾何應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究，為人工神經(jīng)網(wǎng)絡(luò)的理論研究開(kāi)辟了新的途徑。神經(jīng)計(jì)算機(jī)的研究發(fā)展很快，已有產(chǎn)品進(jìn)入市場(chǎng)。光電結(jié)合的神經(jīng)計(jì)算機(jī)為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展提供了良好條件。1.2神經(jīng)網(wǎng)絡(luò)的發(fā)展與研究現(xiàn)狀1.2.1神經(jīng)網(wǎng)絡(luò)的發(fā)展神經(jīng)網(wǎng)絡(luò)起源于20世紀(jì)40年代，至今發(fā)展已半個(gè)多世紀(jì)，大致分為三個(gè)階段【7】。1）20世紀(jì)50年代-20世紀(jì)60年代：第一次研究高潮自1943年M-P模型開(kāi)始，至20世紀(jì)60年代為止，這一段時(shí)間可以稱為神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論發(fā)展的初期階段。這個(gè)時(shí)期的主要特點(diǎn)是多種網(wǎng)絡(luò)的模型的產(chǎn)生與學(xué)習(xí)算法的確定。

8、2）20世紀(jì)60年代-20世紀(jì)70年代：低潮時(shí)期到了20世紀(jì)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(wèn)題，因而研究工作趨向低潮。不過(guò)仍有不少學(xué)者繼續(xù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)