《论文 BP神经网络的matlab实现设计论文》由会员分享，可在线阅读，更多相关《论文 BP神经网络的matlab实现设计论文（40页珍藏版）》请在金锄头文库上搜索。
1、学士学位毕业设计（论文）BP神经网络的MATLAB实现学生姓名：杨赫指导教师：刘坤所在学院：信息技术学院专 业：电气工程及其自动化中国大庆2012 年 5 月 黑龙江八一农垦大学本科毕业设计（论文）任务书学生姓名杨赫所在班级电气6班导师姓名刘坤导师职称导师论文题目BP神经网络的matlab实现题目分类1应用与非应用类：工程 科研 教学建设 理论分析模拟2软件与软硬结合类：软件硬件软硬结合非软硬件（1、2类中必须各选一项适合自己题目的类型在内打）主要研究内容及指标： 本文首先说明课题研究的目的和意义，评述课题的国内外研究现状，引出目前存在的问题。然后分析了神经网络算法的基本原理，给出经典神经网络
2、算法的具体实现方法，总结神经网络算法的特点，并给出神经网络算法的基本流程。采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于函数逼近和样本含量估计问题中，并分析相关参数对算法运行结果的影响。最后对BP神经网络算法进行了展望。主要参考文献：1 巨军让，卓戎.B P神经网络在Matlab中的方便实现 .新疆石油学院学报.2008.2(1) 2 闻新、周露、王丹力、熊晓英.MATLAB神经网络应用设计.科学出版社，2001.5:10-503 Matlab users Guide. The MathWorks.Inc,2003:23-274 周开利，康耀红 编著.神经网络模型及其MAT
3、LAB仿真程序设计.2006:10-43阶段规划：1. 3月1日至3月20日 资料收集 2. 3月20日至3月31日 资料整理 3. 4月1日至4月15日 熟悉BP神经网络理论和MATLAB软件 4. 4月16日至4月30日 掌握BP神经网络MATLAB仿真研究 5. 5月1日至5月15日 系统改进、论文初稿 6. 5月16日至5月31日 论文录入 7. 6月1日至6月8日 论文审核开题时间2012年3月1日完成论文时间2012年5月10日专家审定意见：系主任签字：年 月 日注：1任务书由指导教师填写后交给学生，要求学生妥善保存。2此任务书夹于论文扉页与论文一并装订，作为论文评分依据之。摘要
4、摘要本文首先说明课题研究的目的和意义，评述课题的国内外研究现状，引出目前存在的问题。然后分析了神经网络算法的基本原理，给出经典神经网络算法的具体实现方法，总结神经网络算法的特点，并给出神经网络算法的基本流程。采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于函数逼近和样本含量估计问题中，并分析相关参数对算法运行结果的影响。最后对BP神经网络算法进行了展望。关键字: 神经网络 BP神经网络 函数逼近ABSTRACT ABSTRACTFirst, the research purpose and significance of neural network is expounded
5、 in this article. Commentary studies current situation at the problem home and abroad. Leads to the existing problems. and then have analyzed algorithmic basal principle of neural networks, Give algorithmic concert of classics neural networks out the realization method. Summing up the characteristic
6、s of neural network algorithm. Neural network algorithm is given the basic processes. The arithmetic of BP neural network is realized in Matlab software. The algorithm applies of BP neural networks to the function approximation problem and computes the swatchcontent. And analysis of relevant paramet
7、ers on the results of algorithm. Finally, The BP neural network algorithm is Outlook.Key words: Neural network BP neural network Function approximationI目录目录摘要IABSTRACTII目录III前言IV1 绪论- 1 -1.1 人工神经网络的研究背景和意义- 1 -1.2 神经网络的发展与研究现状- 2 -1.3 神经网络的研究内容和目前存在的问题- 3 -1.4 神经网络的应用- 3 -2神经网络结构及BP神经网络- 5 -2.1 神经元与
8、网络结构- 5 -2.2 BP神经网络及其原理- 8 -2.3 BP神经网络的主要功能- 10 -2.4 BP网络的优点以及局限性- 10 -3 BP神经网络在实例中的应用- 12 -3.1 基于MATLAB的BP神经网络工具箱函数- 12 -3.2 BP网络在函数逼近中的应用- 14 -3.3仿真实验- 20 -结论- 30 -参考文献- 31 -致谢- 33 -II前言 前言BP神经网络是目前人工神经网络模式中最具代表性,应用得最广泛的一种模型,具有自学习、自组织、自适应和很强的非线性映射能力,可以以任意精度逼近任意连续函数.近年来,为了解决BP网络收敛速度慢,训练时间长等不足,提出了许多
9、改进算法.然而,在针对实际问题的BP网络建模过程中,选择多少层网络,每层多少个神经元节点,选择何种传递函数等,均无可行的理论指导,只能通过大量的实验计算获得.MATLAB中的神经网络工具箱(Neural NetworkToolbox,简称NNbox),为解决这一问题提供了便利的条件.神经网络工具箱功能十分完善,提供了各种MATLAB函数,包括神经网络的建立、训练和仿真等函数,以及各种改进训练算法函数,用户可以很方便地进行神经网络的设计和仿真,也可以在MATLAB源文件的基础上进行适当修改,形成自己的工具包以满足实际需要。此项课题主要是针对MATLAB软件对BP神经网络的各种算法的编程，将神经网
10、络算法应用于函数逼近和样本含量估计问题中，并分析比较相关参数对算法运行结果的影响。 III黑龙江八一农垦大学毕业设计（论文）1 绪论人工神经网络（Artificial Neural Networks，NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学
11、、微电子学、心理学、光计算、分子生物学等有关，是一门新兴的边缘交叉学科。神经网络具有非线性自适应的信息处理能力，克服了传统人工智能方法对于直觉的缺陷，因而在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。神经网络与其他传统方法相组合，将推动人工智能和信息处理技术不断发展。近年来，神经网络在模拟人类认知的道路上更加深入发展，并与模糊系统、遗传算法、进化机制等组合，形成计算智能，成为人工智能的一个重要方向。MATLAB是一种科学与工程计算的高级语言，广泛地运用于包括信号与图像处理，控制系统设计，系统仿真等诸多领域。为了解决神经网络问题中的研究工作量和编程计算工作量问题，目前工程
12、领域中较为流行的软件MATLAB，提供了现成的神经网络工具箱（Neural Network Toolbox，简称NNbox），为解决这个矛盾提供了便利条件。神经网络工具箱提供了很多经典的学习算法，使用它能够快速实现对实际问题的建模求解。在解决实际问题中，应用MATLAB 语言构造典型神经网络的激活传递函数，编写各种网络设计与训练的子程序，网络的设计者可以根据需要调用工具箱中有关神经网络的设计训练程序，使自己能够从烦琐的编程中解脱出来，减轻工程人员的负担，从而提高工作效率。1.1 人工神经网络的研究背景和意义人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系
13、统对真实世界物体所作出的交互反应。人工神经网络就是模拟人思维的一种方式，是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。近年来通过对人工神经网络的研究，可以看出神经网络的研究目的和意义有以下三点：（1）通过揭示物理平面与认知平面之间的映射，了解它们相互联系和相互作用的机理，从而揭示思维的本质，探索智能的本源。（2）争取构造出尽可能与人脑具有相似功能的计算机，即神经网络计算机。（3）研究仿照脑神经系统的人工神经网络，将在模式识别、组合优化和决策判断等方面取得传统计算机所难以达到的
14、效果。人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供
15、了良好条件。1.2 神经网络的发展与研究现状1.2.1 神经网络的发展神经网络起源于20世纪40年代，至今发展已半个多世纪，大致分为三个阶段。1）20世纪50年代-20世纪60年代：第一次研究高潮自1943年M-P模型开始，至20世纪60年代为止，这一段时间可以称为神经网络系统理论发展的初期阶段。这个时期的主要特点是多种网络的模型的产生与学习算法的确定。2）20世纪60年代-20世纪70年代：低潮时期到了20世纪60年代，人们发现感知器存在一些缺陷，例如，它不能解决异或问题，因而研究工作趋向低潮。不过仍有不少学者继续对神经网络进行研究。Grossberg 提出了自适应共振理论；Kohenen 提出了自组织映射；Fukushima 提出
