《基于matlab的bp神经网络应用》由会员分享，可在线阅读，更多相关《基于matlab的bp神经网络应用（27页珍藏版）》请在金锄头文库上搜索。
1、 基于 MATLAB 的 BP 神经网络应用 目 录1 绪论 .11.1 人工神经网络的研究背景和意义 .11.2 神经网络的发展与研究现状 .21.3 神经网络的研究内容和目前存在的问题 .31.4 神经网络的应用 .42 神经网络结构及 BP 神经网络 .42.1 神经元与网络结构 .42.2 BP 神经网络及其原理 .72.3 BP 神经网络的主要功能 .92.4 BP 网络的优点以及局限性 .93 BP 神经网络在实例中的应用 .103.1 基于 MATLAB 的 BP 神经网络工具箱函数 .103.2 BP 网络在函数逼近中的应用 .123.3 BP 网络在样本含量估计中的应用 .1
2、74 结束语 .23参考文献: .24英文摘要 .25致 谢 .26 基于 MATLAB 的 BP 神经网络应用 1基于 MATLAB 的 BP 神经网络应用蒋亮亮南京信息工程大学滨江学院自动化专业，南京 210044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
3、神经网络算法进行了展望。关键词:神经网络；BP 神经网络；函数逼近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 1。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、微电子学、心理学、光计算、分子生物学等有关，是一门
4、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 2。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，目前工程领域中较为流行的软件 MATLAB，提供了现成
5、的神经网络工具箱（Neural Network Toolbox，简称 NNbox） 3，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 基于 MATLAB 的 BP 神经网
6、络应用 2系统对真实世界物体所作出的交互反应 5。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
7、统计算机所难以达到的效果。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
8、工神经网络的发展提供了良好条件。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 【7】 。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
9、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 提出了神经认知网络理论；Anderson 提出了 BSB 模型；Webos 提出了 BP 理论等。这些都是在 20 世纪 70 年代和 20 世纪 80 年代初进行的工作。3）20 世纪 80 年代-90 年代：第二次研究高潮进入 20 世纪 80 年代，神经网络研究进入高潮。这个时期最具有标志性的人物是美国加州工学院的物理学家 John Hopfield。他于 1982 年和 1984 年在美国科学院院刊上发表了两篇文章，提出了模拟人脑的神经网络模型，即最著名的 Hop
10、field 模型。Hopfield 网络是一个互连的非线性动力学网络，它解决问题的方法是一种反复运算的动态过程，这是符号逻辑处理方式做不具备的性质。20 世纪 80 年代后期到 90 基于 MATLAB 的 BP 神经网络应用 3年代初，神经网络系统理论形成了发展的热点，多种模型、算法和应用被提出，研究经费重新变得充足，使得研究者们完成了很多有意义的工作。1.2.2 神经网络的现状进入 20 世纪 90 年代以来，神经网络由于应用面还不够宽，结果不够精确，存在可信度问题，从而进入了认识与应用研究期。1）开发现有模型的应用，并在应用中根据实际运行情况对模型、算法加以改造，以提高网络的训练速度和运
11、行的准确度。2）充分发挥两种技术各自的优势是一个有效方法。3）希望在理论上寻找新的突破，建立新的专用/通用模型和算法。4）进一步对生物神经系统进行研究，不断地丰富对人脑的认识。 1.3 神经网络的研究内容和目前存在的问题1.3.1 神经网络的研究内容神经网络的研究内容相当广泛，反映了多科学交叉技术领域的特点。目前，主要的研究工作集中在以下四方面 6：（1）生物原型研究：从生理学、心理学、解剖学、脑科学、病理学生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。（2）建立理论模型：根据生物圆形的研究，建立神经元、神经网络的理论模型，其中包括概念模型、知识模型、物理化学模型、数
12、学模型等。（3）网络模型与算法研究：在理论模型研究的基础上构成具体的神经网络模型，以实现计算机模拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。（4）神经网络应用系统：在网络模型与算法研究的基础上，利用神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构成专家系统、制成机器人等。1.3.2 神经网络研究目前存在的问题人工神经网络的发展具有强大的生命力。当前存在的问题是智能水平还不高，许多应用方面的要求还不能得到很好的满足；网络分析与综合的一些理论性问题还未得到很好的解决。例如，由于训练中稳定性的要求学习率很小，所以梯度下降法使得训练很忙动量法因为学习率的提高通常比单纯的梯度下降法要快，但在实际应用中还是很慢 7。针对千变万化的应用对象，各类复杂的求解问题，编制一些特定的程序、软件求解，耗费了大量的人力和物力。而这些软件往往只针对某一方面的问题有效，并且在人机接口、用户友好性等诸多方面存在一定的缺陷。在微机飞速发展的今天，很多都已不能满足发展的需 基于 MATLAB 的 BP 神经网络应用 4要。1.4 神经网络的应用神经网络理论的应用取得了令人瞩目的发展，特别是在人工智能、自动控制、计算机科学、信息处理、机器人、模式识别、CAD /CAM 等方面都有重大的应用实例。下面列出一些主要应用领域 4：（1）模式识别和图像处理
