神经网络论文神经网络在模式识别领域的应用.doc
文本预览下载声明
神经网络原理及应用论文
神经网络在模式识别领域的应用
院 系:
专 业:
姓 名:
学 号:
指导教师:
手机号:
2013年5月
摘要:神经网络已经广泛地应用于图像分割和对象的识别、分类问题中。随着人工神经网络技术的发展,神经网络模式识别在模式识别领域中起着越来越重要的作用,神经网络模式识别已成为模式识别的一种主要方法。由D.E.Rumelhart和J.L.Mcclelland于1986年提出的多层人工神经网络及误差逆传播学习算法,即BP网络算法是至今影响最大的一种网络学习算法,据统计有90%的实际网络使用了这一算法。在处理环境信息十分复杂、背景知识不十分清楚、推理规则不明确、样本有较大的缺损、畸变的RD项目中止决策分析等方面,可以认为BP算法会有更好的结果。
关键词:神经网络 模式识别 BP网络算法
目录
TOC \o 1-3 \h \z \u HYPERLINK \l _Toc344308934 一:神经网络在模式识别领域的研究现状 1
HYPERLINK \l _Toc344308935 1、神经网络简述 1
HYPERLINK \l _Toc344308937 1.1神经网络定义 1
HYPERLINK \l _Toc344308938 2.2 神经网络发展史 1
HYPERLINK \l _Toc344308936 2、神经网络在模式识别领域的研究 PAGEREF _Toc344308936 \h 3
HYPERLINK \l _Toc344308937 2.1神经网络模式识别法优点 3
HYPERLINK \l _Toc344308938 2.2神经网络模式识别原理 3
HYPERLINK \l _Toc344308941 二:神经网络在模式识别领域的应用实例 5
HYPERLINK \l _Toc344308943 1、BP网络学习算法及改进 5
HYPERLINK \l _Toc344308944 1.1 BP网络学习算法 5
HYPERLINK \l _Toc344308945 1.2 将附加动量反向传播训练法用于BP算法 PAGEREF _Toc344308945 \h 7
HYPERLINK \l _Toc344308946 1.3 将自适应学习速率反向传播训练法用于BP算法 7
HYPERLINK \l _Toc344308947 2、RD项目终止决策的人工神经网络模式识别 8
HYPERLINK \l _Toc344308948 2.1 传统模式识别技术用于RD项目中止决策分析的局限性 8
HYPERLINK \l _Toc344308949 2.2 建立RD项目中止决策的人工神经网络模式识别模型 PAGEREF _Toc344308949 \h 12
HYPERLINK \l _Toc344308939 2.3 RD项目中止决策的人工神经网络识别应用示例 16
HYPERLINK \l _Toc344308950 三:神经网络在模式识别领域的未来展望 PAGEREF _Toc344308950 \h 18
HYPERLINK \l _Toc344308951 参考文献 PAGEREF _Toc344308951 \h 19
一 神经网络在模式识别领域的研究现状
1 神经网络简述
1.1 神经网络定义
Hecht-Nielsen在1988年给出了人工神经网络(artificial neural networks,ANN)的定义,即人工神经网络是一个并行、分布处理结构,它由处理单元及其称为联接的无向讯号通道互连而成。这些处理单元(PE—Processing Element)具有局部内存,并可以完成局部操作。每个处理单元有一个单一的输出联接,这个输出可以根据需要被分支成希望个数的许多并行联接,且这些并行联接都输出相同的信号,即相应处理单元的信号,信号的大小不因分支的多少而变化。处理单元的输出信号可以是任何需要的数学模型,每个处理单元中进行的操作必须是完全局部的。也就是说,它必须仅仅依赖于经过输入联接到达处理单元的所有输入信号的当前值和存储在处理单元局部内存中的值。
1.2 神经网络发展史
神经网络的研究与计算机研究几乎是同步的,其发展历程可分为四个阶段。第一阶段是启蒙期,
显示全部