libin毕业论文基于MATLAB神经网络仿真
摘 要随着人工神经网络的研究和应用越来越广泛，误差反向传播算法BP算法的提出，成功地解决了求解非线性连续函数的多层前馈神经网络权值调整问题，BP神经网络如今成为最广泛使用的网络，研究它对探索非线性复杂问题具有重要意义，而且它具有广泛的应用前景。以BP神经网络为例，讨论了BP神经网络及几种改进BP神经网络性能的算法；通过BP学习算法的推导和分析得知BP网络是一种多层前馈网络，采用最小均方差的学习方式，缺点是仅为有导师训练，训练时间长，易限于局部极小；运用MATLAB来实现各种BP神经网络的实现的设计与训练，比较不同BP神经网络的性能，验证改进BP网络的优势，得出如何根据对象选取神经网络的结论。关键词：人工神经网络、BP神经网络、误差反向传播算法、MATLAB、仿真AbstractWith the artificial neural network of research and application of more and more widely, the error back-propagation algorithm (BP algorithm) is proposed, successfully resolved the continuous function for solving nonlinear multi-layer feed-forward neural network weights adjustment, BP network has become now the most widely used networks, Study to explore its complicated nonlinear problem has important significance, but also has broad application prospects. BP neural network is discussed and several improvements in the performance of BP neural network algorithm. BP learning algorithm through the derivation and analysis that the BP network is a multi-layer feedforward networks, the use of least-mean-variance approach to learning, there is only disadvantage is that the training instructors, training time, limited to local minimum easily. The use of MATLAB to achieve a variety of BP neural network to achieve the design and training, to compare the performance of BP neural network to verify the advantages of improving the BP network, how to draw the object selected in accordance with the conclusions of neural networks.Key words: Artificial neural network, BP neural networks, error back-propagation algorithm, MATLAB, simulation目 录1.绪论51.1 引言51.2 神经网络概述5121 神经网络起源5122 神经网络的开展历程5123 神经网络国内开展概况6124 神经网络研究现状7研究目的、方法和问题BP神经网络8131 研究目的8132 研究方法8133 研究问题8神经网络102.1 BP神经网络相关原理10211 神经元非线性模型10212 有教师监督学习10213 神经元数学模型11214 Delta学习规那么11215 神经元激活函数12216 BP神经网络收敛准那么122.2 BP神经网络学习过程描述13221 BP神经网络计算模型建立13222 BP神经网络学习过程描述14223 BP神经网络方框图142.3 BP神经网络学习方法14231 BP神经网络信号流程14232 误差反向传播计算15233 BP神经网络算法描述182.4 影响因素分析19241 权值初始值设置影响分析19242 权值调整方法影响分析19243 激活函数选择影响分析20244 学习率选择影响分析20245 输入输出归一化影响分析21246 其他影响因素分析222.5 BP学习算法的改进22251 BP学习算法的优缺点22252 增加动量项23253 弹性BP学习算法23254 自适应学习速率法24255 共轭梯度法25256 Levenberg-Marquardt算法25神经网络仿真273.1 仿真平台MATLAB27311 MATLAB简介27312 仿真平台的构建和策略273.2 仿真实验28321 BP神经网络MATLAB设计28322 各种BP学习算法MATLAB仿真29323 各种算法仿真结果比较与分析32324 调整初始权值和阈值的仿真33325 其他影响因素仿真35神经网络应用实例374.1 实例概述37 网络设计374.3 网络训练384.4 网络测试394.5 实例总结405.总结与展望415.1 BP神经网络研究总结415.2 神经网络研究展望42致谢43参考文献44附录461.绪论1.1 引言随着计算机的问世与开展，人们设法了解人的大脑，进而构造具有人类智能的智能计算机。在具有人脑逻辑推理能力延伸的计算机战胜人类棋手的同时引发人们对模拟人脑信息处理的人工神经网络的研究。人工神经网络Artificial Neural Networks, ANN注：简称为神经网络，一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而到达处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练。引自?环球科学?2007年第一期?神经语言：老鼠胡须下的秘密?1.2 神经网络概述121神经网络起源早在1890年，美国心理学家William James1842-1910出版了?Principles of Psychology?专著，本书研究了心理活动与大脑神经生理活动的关系,开创性提出学习、联想记忆的根本原理。指出：“让我们假设所有后继推理的根底遵循这样的规那么：当两个根本的脑细胞曾经一起或相继被激活过，其中一个受刺激激活时会将刺激传播到另一个。他还认为在大脑皮层上的任意一点的刺激量是其他所有发射点进入该点刺激总和。1943年，心理学家W.S.McCulloch和数理逻辑学家W.A.Pitts建立了神经网络和数学模型，称为M-P模型。他们通过M-P模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。122 神经网络的开展历程·1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型，称为M-P模型；·1949年，心理学家Donald Olding Hebb出版了?Organization of Behavior?，在该书他首先提出了连接权训练算法，即如今人们称为的Hebb算法；·1958年，计算机科学家Frank Rosenblatt，在一篇著名的文章中提出了一种具有三层网络特性的“感知器perceptron神经网络； · 1960年，电机工程师Bernard Widrow和Marcian Hoff发表了?Adaptive Switching Circuits?文章，不仅把人工神经网络在计算机上仿真，而且用硬件电路实现了它。因此Widrow-Hoff的学习训练算法也称误差大小算法或最小均方LMS算法也应运而生；·1969年，人工智能的创始人之一，MMinsky和S.Papert经过数年研究，仔细分析了以感知器为代表的神经网络系统的功能及局限后，出版了?Perceptron?一书，指出感知器不能解决高阶谓词问题；·1969年，美国波士顿大学自适应系统中心的S.Grossberg教授及其夫人G.A.Carpenter提出了著名的自适应共振理论adaptive resonance theory模型；·1972年，芬兰的T.Kohonen教授提出了自组织映射SOM理论，并称其神经网络结构为“associative memory；与此同时，美国的神经生理学家和心理学家J.Anderson，提出了一个类似的神经网络“interactive memory；·1980年，日本东京NHK播送科学研究实验室的福岛邦彦Kunihiko Fukushima，发表了?Neocognitron?，开发了一些神经网络结构和训练算法，还有一系列的改进的文章，新认知机在于视觉模式识别机制的模型；·博士发表一篇著名的文章，吸收前人的研究成果，把各种结构和算法概括综合起来建立起新颖而有力的Hopfield网络；·1985年，提出了波耳兹曼模型，在学习中采用统计热力学模拟退火技术，保证整个系统趋于全局稳定点；·1986年进行认知微观结构地研究，提出了并行分布处理的理论；·1987年首届国际神经网络学术会议在美国加州圣地亚哥召开，成立了国际神经网络学会INNS；·1987年以来，神经网络理论、应用、实现和相关开发工具开展迅速，涉及神经生理学、认知科学、心理学、数理科学、信息科学、计算机科学、微电子学、光学、生物电子学等多学科交叉、综合的前沿科学。应用于各个领域，如自动控制领域、处理组合优化问题、模式识别、图像处理、机器人控制、医疗等。可见人工神经网络具有广泛的研究和应用前景；以下是1987年后的一些开展历程：·1988年，Broomhead Lower提出径向基函数网络Radial Basis Function，RBF，网络设计采用原理化方法，有坚实的数学根底；·1992-1998年，Vapnik提出了支持向量机Support Vector Machine，SVM，在模式分类问题上能提供良好的泛化能力。123 神经网络国内开展概况1980年，涂序言教授等出版了?生物控制论?一书，“神经系统控制论一章系统地介绍了神经元和神经网络的结构、功能和模型，是我国最早涉及神经网络的著作；因此到80年代中期，我国学术界掀起了研究神经网络的热潮；1988年北京大学非线性研究中心举办了Beijing I
