【正文】 第 1 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 基于 MATLAB 神經網絡仿真 摘 要 隨著人工神經網絡的 研究和 應用越來越廣泛， 誤差反向傳播算法（ BP 算法）的提出，成功地解決了求解非線性連續(xù)函數(shù)的多層前饋神經網絡 權值 調整問題 ， BP 神經 網絡 如今 成為最廣泛 使 用的網絡 ，研究它對探索非線性復雜問題具有重要意義，而且 它 具有廣泛的應用前景 。 以 BP 神經網絡為例， 討論了 BP 神經網絡及幾種改進 BP神經網絡性能的算法 ； 通過 BP 學習 算法 的推導 和分析 得知 BP網絡是一種多層前饋網絡，采用最小均方差的學習方式， 缺點是僅為有導師訓練，訓練時間長，易限于局部極?。?運用 MATLAB 來實現(xiàn)各種 BP 神經網絡的實現(xiàn)的設計與訓練 ，比較 不同 BP 神經網絡的性能，驗證改進 BP 網絡的優(yōu)勢，得出如何根據(jù)對象選取神經網絡的結論。 關鍵詞： 人工神經網絡 、 BP神經網絡、誤差反向傳播算法、 MATLAB、 仿真 第 2 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ Abstract With the artificial neural work of research and application of more and more widely, the error backpropagation algorithm (BP algorithm) is proposed, successfully resolved the continuous function for solving nonlinear multilayer feedforward neural work weights adjustment, BP work has bee now the most widely used works, Study to explore its plicated nonlinear problem has important significance, but also has broad application prospects. BP neural work is discussed and several improvements in the performance of BP neural work algorithm. BP learning algorithm through the derivation and analysis that the BP work is a multilayer feedforward works, the use of leastmeanvariance 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 work to achieve the design and training, to pare the performance of BP neural work to verify the advantages of improving the BP work, how to draw the object selected in accordance with the conclusions of neural works. Key words: Artificial neural work, BP neural works, error backpropagation algorithm, MATLAB, simulation 第 3 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 目 錄 ................................................................. 5 引言 ............................................................. 5 神經網絡概述 ..................................................... 5 1． 2． 1 神經網絡起源 ................................................ 5 1． 2． 2 神經網絡的發(fā)展歷程 .......................................... 5 1． 2． 3 神經網絡國內發(fā)展概況 ........................................ 6 1． 2． 4 神經網絡研究現(xiàn)狀 ............................................ 7 、方法和問題（ BP神經網絡） ............................... 7 1． 3． 1 研究目的 .................................................... 8 1． 3． 2 研究方法 .................................................... 8 1． 3． 3 研究問題 .................................................... 8 神經網絡 .......................................................... 10 BP 神經網絡相關原理 .............................................. 10 2． 1． 1 神經元非線性模型 ........................................... 10 2． 1． 2 有教師監(jiān)督學習 ............................................. 10 2． 1． 3 神經元數(shù)學模型 ............................................. 11 2． 1． 4 Delta 學習規(guī)則 ............................................. 11 2． 1． 5 神經元激活函數(shù) ............................................. 12 2． 1． 6 BP 神經網絡收斂準則 ........................................ 12 BP 神經網絡學習過程描述 .......................................... 13 2． 2． 1 BP 神經網絡計算模型建立 .................................... 13 2． 2． 2 BP 神經網絡學習過程描述 .................................... 13 2． 2． 3 BP 神經網絡方框圖 .......................................... 14 BP 神經網絡學習方法 .............................................. 14 2． 3． 1 BP 神經網絡信號流程 ........................................ 14 2． 3． 2 誤差反向傳播計算 ........................................... 14 2． 3． 3 BP 神經網絡算法描述 ........................................ 17 影響因素分析 .................................................... 18 2． 4． 1 權值初始值設置影響分析 ..................................... 18 2． 4． 2 權值調整方法影響分析 ....................................... 18 2． 4． 3 激活函數(shù)選擇影響分析 ....................................... 19 2． 4． 4 學習率 η 選擇影響分析 ...................................... 19 2． 4． 5 輸入輸出歸一化影響分析 ..................................... 20 2． 4． 6 其他影響因素分析 ........................................... 21 BP 學習算法的改進 ................................................ 21 2． 5． 1 BP 學習算法的優(yōu)缺點 ........................................ 21 2． 5． 2 增加動量項 ................................................. 22 2． 5． 3 彈性 BP 學習算法 ............................................ 22 2． 5． 4 自適應學習速率法 ........................................... 23 2． 5． 5 共軛 梯度法 ................................................. 23 2． 5． 6 LevenbergMarquardt 算法 ................................... 24 第 4 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 神經網絡仿真 ...................................................... 26 仿真平臺 MATLAB .................................................. 26 3． 1． 1 MATLAB 簡介 ................................................ 26 3． 1． 2 仿真平臺的構建和策略 ....................................... 26 仿真實驗 ........................................................ 27 3． 2． 1 BP 神經網絡 MATLAB 設計 ..................................... 27 3． 2． 2 各種 BP 學習算法 MATLAB 仿真 ................................. 28 3． 2． 3 各種算法 仿真結果比較與分析 ................................. 30 3． 2． 4 調整初始權值和閾值的仿真 ................................... 31 3． 2． 5 其