【正文】 ainrp)等。通過(guò)權(quán)值的不斷修正使網(wǎng)絡(luò)的實(shí)際輸出更接近期望輸出。在信號(hào)的向前傳遞過(guò)程中的權(quán)值是固定不變的，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。一個(gè)典型的 BP 神經(jīng)網(wǎng)絡(luò)如圖 31 所示，有一個(gè)隱層，隱層神經(jīng)元數(shù)目為 S,隱層采用 S 型神經(jīng)元函數(shù) logsig( )，具有 R 個(gè)輸入。在眾多人工神經(jīng)網(wǎng)絡(luò)模型中，大部分采用 BP 網(wǎng)絡(luò)或是它的變化形式，可以說(shuō) BP 神經(jīng)網(wǎng)絡(luò)是前饋型網(wǎng)絡(luò)的核心部分，體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)最精華的部分。人工神經(jīng)網(wǎng)絡(luò)也存在自身固有的弱點(diǎn)，如網(wǎng)絡(luò)需要更多的訓(xùn)練數(shù)據(jù)，無(wú)法獲取特征空間中的決策面，以及在非并行處理系統(tǒng)中的模擬運(yùn)行速度慢等缺點(diǎn)。它不但可以能識(shí)別靜態(tài)信息，對(duì)實(shí)時(shí)處理復(fù)雜的動(dòng)態(tài)信息也顯示強(qiáng)大的作用。神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間的連接強(qiáng)度用權(quán)值大小來(lái)表示，這種權(quán)值可以通過(guò)對(duì)訓(xùn)練樣本的學(xué)習(xí)而不斷變化，而且隨著訓(xùn)練樣本量的增加和反復(fù)學(xué)習(xí)，這些神經(jīng)元之間的連接強(qiáng)度會(huì)不斷增加，從而提高神經(jīng)元對(duì)這些樣本特 征的反映靈敏度。在神經(jīng)網(wǎng)絡(luò)中，知識(shí)不是存 儲(chǔ)在特定的存儲(chǔ)單元中，而是分布在整個(gè)系統(tǒng)中，要存儲(chǔ)多個(gè)知識(shí)就需要更多鏈接。 以生物神經(jīng)網(wǎng)絡(luò)為模擬基礎(chǔ)的人工神經(jīng)網(wǎng)絡(luò)試圖在模擬推理和自動(dòng)學(xué)習(xí)等方面發(fā)展，使得人工智能更接近人腦的自組織和并行處理功能，它在信息處理、模式識(shí)別、聚類(lèi)分析和智能控制等領(lǐng)域應(yīng)用廣泛。無(wú)監(jiān)督學(xué)習(xí)是不存在“導(dǎo)師”的指導(dǎo)和考察，是靠學(xué)習(xí)者或神經(jīng)網(wǎng)絡(luò)系統(tǒng)自身完成的，如圖 23所示。學(xué)習(xí)往往是一個(gè)相對(duì)持久的變化過(guò)程，也是一個(gè)推理的過(guò)程。 隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，人們對(duì)神經(jīng)網(wǎng)絡(luò)的認(rèn)識(shí)已不斷 進(jìn)步和 完善 ，提出了許多神經(jīng)網(wǎng)絡(luò)模型，其 研究應(yīng) 用廣泛的神經(jīng)網(wǎng)絡(luò)模型是 BP 神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)、反饋型神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)等 。 人工神經(jīng)網(wǎng)絡(luò)模型 根據(jù)神經(jīng)元之間連接的拓?fù)浣Y(jié)構(gòu)上的不同，大致可以將神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分為兩種形式，即分層型和相互連接型神經(jīng)網(wǎng)絡(luò)。 S 型函數(shù)定義為 ： ? ? 1 ,1atft e?? ?其中 a 是 S 型函數(shù)的斜率參數(shù)?，F(xiàn)簡(jiǎn)述這三種類(lèi)型函數(shù)。如果神經(jīng)元輸入的加權(quán)和1niii wp??大于 ? ，則該神經(jīng)元被激活。 人工神經(jīng)元模型是生物神經(jīng)元的模擬和抽象。同樣地，模式 識(shí)別在醫(yī)學(xué)上應(yīng)用也很多，如醫(yī)學(xué)圖片分析、染色體的自動(dòng)分類(lèi)、癌細(xì)胞的分類(lèi)等領(lǐng)域。 經(jīng)過(guò)多年的科學(xué)發(fā)展，文字識(shí)別是模式識(shí)別領(lǐng)域發(fā)展最為成熟并應(yīng)用最為廣泛的方面。 模式識(shí)別 應(yīng)用 模式識(shí)別技術(shù)已廣泛應(yīng)用于文字識(shí)別、語(yǔ)音識(shí)別、圖像識(shí)別、指紋識(shí)別、 身份識(shí)別、醫(yī)學(xué)診斷 、 工業(yè)產(chǎn)品檢測(cè)等眾多 科學(xué) 領(lǐng)域。對(duì)于已知若干個(gè)樣品的類(lèi)別以及特征，我們需要對(duì)分類(lèi)問(wèn)題建立一個(gè)樣品庫(kù)。但是目前，研 未知模式數(shù)據(jù)獲取 數(shù)據(jù)預(yù)處理 未知模式特征提取和選擇 模式分類(lèi)決策 訓(xùn)練樣品特征數(shù)據(jù)輸入 訓(xùn)練樣本特征提取和選擇 確定判別規(guī)則 調(diào)整特征提取與選擇 改進(jìn)判別規(guī)則 數(shù)據(jù)預(yù)處理 誤差檢測(cè) 識(shí)別結(jié)果 究最多也較為深入的模式識(shí)別方法是統(tǒng)計(jì)模式識(shí)別，神經(jīng)網(wǎng)絡(luò)模式識(shí)別技術(shù)也可以歸為到這類(lèi)方法中。接下來(lái)就是按照設(shè)定的分類(lèi)判別模型對(duì)給定的訓(xùn)練樣品進(jìn)行訓(xùn)練，得到分類(lèi)的判別規(guī)則，有了判別規(guī)則就可以進(jìn)行模式識(shí)別過(guò)程，最后得到輸出識(shí)別結(jié)果。 一個(gè)模式識(shí)別系統(tǒng)是由學(xué)習(xí)模塊和測(cè)試模塊兩個(gè)模塊組成，如圖 12 所示。正因如此，在模式識(shí)別過(guò)程中，要對(duì)許多具體對(duì)象進(jìn)行觀測(cè)，以獲得 許多觀測(cè)，其中有均值、方差、協(xié)方差和協(xié)方差矩陣等。 這樣，模式識(shí)別問(wèn)題就是根據(jù) X 的 n 個(gè)特征來(lái)判斷模式 X 屬于哪一類(lèi)。對(duì)于一個(gè)樣品來(lái)說(shuō)，必須確定一些與識(shí)別有關(guān)的因素作為研究的依據(jù)，每一個(gè)因素 稱(chēng)為一個(gè)特征。 對(duì)于一些比較簡(jiǎn)單的模式識(shí)別問(wèn)題，可以認(rèn)為模式識(shí)別就是模式分類(lèi)。在此， 運(yùn)用 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱中的神經(jīng)網(wǎng)絡(luò)模型，利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)解決 有關(guān) 模式識(shí)別的 簡(jiǎn)單 問(wèn)題。 作者簽名： 日期： 年 月 日 學(xué)位論文版權(quán)使用授權(quán)書(shū) 本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。 作者簽名： 日 期： 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。s information processing, storage and retrieval functions, which has learning, memory and puting functions such as intelligent processing. Such people to use artificial neural work with a high degree of parallelism, the overall role of a high degree of nonlinear and good fault tolerance and associative memory function, and have good selfadaptive, selflearning function, such as prominent features, the availability of MATLAB neural work toolbox The neural work model trained neural work can effectively extract the signal, voice, video and other features of perceptual patterns and heuristics to solve the existing pattern recognition systems are not well resolved invariant detection, such as abstract and summary issues. This neural work pattern recognition can be applied to feature extraction, clustering analysis, edge detection, signal enhancement and noise suppression, data pression, such as various links. The use of machines for pattern recognition is a very useful work, such as series of symbols to identify the machines are of great value. At present, the pattern recognition technology can be applied to fingerprint identification, IC card technology applications, such as examples of character recognition. Artificial neural work pattern recognition has bee especially suitable for solving a class of problem. Therefore, the neural work pattern recognition technology is also widely used and development. Key words： pattern recognition； artificial neural work； neural work model； neural work technology 畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說(shuō)明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。目前，模式識(shí)別技術(shù)可以應(yīng)用指紋識(shí)別、 IC 卡技術(shù)應(yīng)用、字符識(shí)別等實(shí)例。 隨著人們對(duì)人工神經(jīng)網(wǎng)絡(luò)的不斷地認(rèn)識(shí)，神經(jīng)網(wǎng)絡(luò)是指用大量的簡(jiǎn)單計(jì)算單元構(gòu)成的非線性系統(tǒng) ,它在一定程度和層次上模仿了人腦神經(jīng)系統(tǒng)的信息處理、存儲(chǔ)及檢索功能，因而 具有學(xué)習(xí)、記憶和計(jì)算等智能處理功能。它研究的目的就是利用計(jì)算機(jī)對(duì)物理對(duì)象進(jìn)行分類(lèi)，在錯(cuò)誤概率最小的條件下，使識(shí)別的結(jié)果盡量與客觀事物相符合。使用機(jī)器來(lái)進(jìn)行模式的識(shí)別是一項(xiàng)非常有用的工作 ，能夠辨別符號(hào)等系列的機(jī)器是很有價(jià)值的。 關(guān)鍵詞： 模式識(shí)別；人工神經(jīng)網(wǎng)絡(luò)；神經(jīng)網(wǎng)絡(luò)模型；神經(jīng)網(wǎng)絡(luò)技術(shù) Abstract Pattern Recognition is the machine identification, puter identification or identification of machine automation, machine aimed at automatic identification of things to do before the machine can only be made by man can do, with people with all kinds of things and on an analysis of the phenomenon, described with the ability to determine the part. It is the purpose of the study of the physical object to use the puter for classification, the probability of the smallest in the wrong conditions, so that the results of recognition as far as possible in line with objective things. As artificial neural work to recognize the continuing, neural work refers to a large number of simple calculation unit consisting of nonlinear system, which to some extent and level system to imitate the human brain39。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說(shuō) 明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)校可以采用影印、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。 作者簽名： 日期： 年 月 日 導(dǎo)師簽名： 日期： 年 月 日 指導(dǎo)教師評(píng)閱書(shū) 指導(dǎo)教師評(píng)價(jià)： 一、撰寫(xiě)（設(shè)計(jì)）過(guò)程 學(xué)生在論文（設(shè)計(jì)）過(guò)程中的治學(xué)態(tài)度、工作精神 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 學(xué)生掌握專(zhuān)業(yè)知識(shí)、技能的扎實(shí)程度 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 學(xué)生綜合運(yùn)用所學(xué)知識(shí)和專(zhuān)業(yè)技能分析和解決問(wèn)題的能力 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 研究方法的科學(xué)性；技術(shù)線路的可行性；設(shè)計(jì)方案的合理性 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 完成畢業(yè)論文（設(shè)計(jì)）期間的出勤情況 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 二、論文（設(shè)計(jì)）質(zhì)量 論文（設(shè)計(jì)）的整體結(jié)構(gòu)是否符合撰寫(xiě)規(guī)范？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 是否完成指定的論文（設(shè)計(jì)）任務(wù)（包括裝訂及附件）？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 三、論文（設(shè)計(jì)）水平 論文（設(shè)計(jì)）的理論意義或?qū)鉀Q實(shí)際問(wèn)題的指導(dǎo)意義 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文的觀念是否有新意？設(shè)計(jì)是否有創(chuàng)意？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文（設(shè)計(jì)說(shuō)明書(shū)）所體現(xiàn)的整體水平 □ 優(yōu) □ 良