資源描述：
《BP神經(jīng)網(wǎng)絡(luò)的matlab實現(xiàn)設(shè)計論文.doc》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、遼寧科技大學(xué)BP神經(jīng)網(wǎng)絡(luò)的matlab實現(xiàn)設(shè)計論文姓名：李星舉學(xué)號：1專業(yè)：2014控制工程2014年12月1日目錄摘要IABSTRACTII目錄III前言IV1緒論-1-1.1人工神經(jīng)網(wǎng)絡(luò)的研究背景和意義-1-1.2神經(jīng)網(wǎng)絡(luò)的發(fā)展與研究現(xiàn)狀-2-1.3神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容和目前存在的問題-3-1.4神經(jīng)網(wǎng)絡(luò)的應(yīng)用-3-2神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及BP神經(jīng)網(wǎng)絡(luò)-5-2.1神經(jīng)元與網(wǎng)絡(luò)結(jié)構(gòu)-5-2.2BP神經(jīng)網(wǎng)絡(luò)及其原理-8-2.3BP神經(jīng)網(wǎng)絡(luò)的主要功能-10-2.4BP網(wǎng)絡(luò)的優(yōu)點以及局限性-10-3BP神經(jīng)網(wǎng)絡(luò)在實例中的應(yīng)用-12-3
2、.1基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)-12-3.2BP網(wǎng)絡(luò)在函數(shù)逼近中的應(yīng)用-14-3.3仿真實驗-20-前言BP神經(jīng)網(wǎng)絡(luò)是目前人工神經(jīng)網(wǎng)絡(luò)模式中最具代表性,應(yīng)用得最廣泛的一種模型,具有自學(xué)習(xí)、自組織、自適應(yīng)和很強的非線性映射能力,可以以任意精度逼近任意連續(xù)函數(shù).近年來,為了解決BP網(wǎng)絡(luò)收斂速度慢,訓(xùn)練時間長等不足,提出了許多改進算法.然而,在針對實際問題的BP網(wǎng)絡(luò)建模過程中,選擇多少層網(wǎng)絡(luò),每層多少個神經(jīng)元節(jié)點,選擇何種傳遞函數(shù)等,均無可行的理論指導(dǎo),只能通過大量的實驗計算獲得.MATLAB中的神經(jīng)網(wǎng)絡(luò)工具箱(
3、NeuralNetworkToolbox,簡稱NNbox),為解決這一問題提供了便利的條件.神經(jīng)網(wǎng)絡(luò)工具箱功能十分完善,提供了各種MATLAB函數(shù),包括神經(jīng)網(wǎng)絡(luò)的建立、訓(xùn)練和仿真等函數(shù),以及各種改進訓(xùn)練算法函數(shù),用戶可以很方便地進行神經(jīng)網(wǎng)絡(luò)的設(shè)計和仿真,也可以在MATLAB源文件的基礎(chǔ)上進行適當(dāng)修改,形成自己的工具包以滿足實際需要。此項課題主要是針對MATLAB軟件對BP神經(jīng)網(wǎng)絡(luò)的各種算法的編程，將神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于函數(shù)逼近和樣本含量估計問題中，并分析比較相關(guān)參數(shù)對算法運行結(jié)果的影響。1緒論人工神經(jīng)網(wǎng)絡(luò)（Artifici
4、alNeuralNetworks，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(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是一個高度復(fù)雜的非線性動力學(xué)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲和處理、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(luò)的發(fā)展與神經(jīng)科學(xué)、數(shù)理科學(xué)、認(rèn)知科學(xué)、計算機科學(xué)、人工智能、信息科學(xué)、控制論、機器人學(xué)、微電子學(xué)、心理學(xué)、微電子學(xué)、心理學(xué)、光計算、分子生物學(xué)等有關(guān)，是一門新興的邊緣交叉學(xué)科。神經(jīng)網(wǎng)絡(luò)具有非線性自
5、適應(yīng)的信息處理能力，克服了傳統(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(yù)測等領(lǐng)域得到成功應(yīng)用。神經(jīng)網(wǎng)絡(luò)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(shù)不斷發(fā)展。近年來，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(xué)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(shè)計，系統(tǒng)仿真等諸多領(lǐng)域。為了解決神經(jīng)網(wǎng)絡(luò)問題中的研究工作量和編程計算工作量問題，目前工程領(lǐng)域中較為流行的軟
6、件MATLAB，提供了現(xiàn)成的神經(jīng)網(wǎng)絡(luò)工具箱（NeuralNetworkToolbox，簡稱NNbox），為解決這個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，使用它能夠快速實現(xiàn)對實際問題的建模求解。在解決實際問題中，應(yīng)用MATLAB語言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)的激活傳遞函數(shù)，編寫各種網(wǎng)絡(luò)設(shè)計與訓(xùn)練的子程序，網(wǎng)絡(luò)的設(shè)計者可以根據(jù)需要調(diào)用工具箱中有關(guān)神經(jīng)網(wǎng)絡(luò)的設(shè)計訓(xùn)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(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)性的簡單單元組成
7、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)對真實世界物體所作出的交互反應(yīng)。人工神經(jīng)網(wǎng)絡(luò)就是模擬人思維的一種方式，是一個非線性動力學(xué)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(jié)構(gòu)極其簡單，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(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：（1）通過揭示物理平面與認(rèn)知平面之間的映射，了解它們相互聯(lián)系和相互作用的機理，從而揭示思維的本質(zhì)，探索智能的本源。（2）爭取構(gòu)造出盡可能與人腦具有相似功能的計算機，
8、即神經(jīng)網(wǎng)絡(luò)計算機。（3）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(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)人工智能方法對于直覺，如模式、語音識別、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)、模式識別、智能控制、組合優(yōu)化、預(yù)測等領(lǐng)域得到成功
