【正文】 ainrp)等。通過權(quán)值的不斷修正使網(wǎng)絡(luò)的實際輸出更接近期望輸出。在信號的向前傳遞過程中的權(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)。一個典型的 BP 神經(jīng)網(wǎng)絡(luò)如圖 31 所示，有一個隱層，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 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，如網(wǎng)絡(luò)需要更多的訓練數(shù)據(jù)，無法獲取特征空間中的決策面，以及在非并行處理系統(tǒng)中的模擬運行速度慢等缺點。它不但可以能識別靜態(tài)信息，對實時處理復雜的動態(tài)信息也顯示強大的作用。神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間的連接強度用權(quán)值大小來表示，這種權(quán)值可以通過對訓練樣本的學習而不斷變化，而且隨著訓練樣本量的增加和反復學習，這些神經(jīng)元之間的連接強度會不斷增加，從而提高神經(jīng)元對這些樣本特 征的反映靈敏度。在神經(jīng)網(wǎng)絡(luò)中，知識不是存 儲在特定的存儲單元中，而是分布在整個系統(tǒng)中，要存儲多個知識就需要更多鏈接。 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學習等方面發(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、模式識別、聚類分析和智能控制等領(lǐng)域應(yīng)用廣泛。無監(jiān)督學習是不存在“導師”的指導和考察，是靠學習者或神經(jīng)網(wǎng)絡(luò)系統(tǒng)自身完成的，如圖 23所示。學習往往是一個相對持久的變化過程，也是一個推理的過程。 隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，人們對神經(jīng)網(wǎng)絡(luò)的認識已不斷 進步和 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)、自組織競爭神經(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)元之間連接的拓撲結(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)簡述這三種類型函數(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 識別在醫(yī)學上應(yīng)用也很多，如醫(yī)學圖片分析、染色體的自動分類、癌細胞的分類等領(lǐng)域。 經(jīng)過多年的科學發(fā)展，文字識別是模式識別領(lǐng)域發(fā)展最為成熟并應(yīng)用最為廣泛的方面。 模式識別 應(yīng)用 模式識別技術(shù)已廣泛應(yīng)用于文字識別、語音識別、圖像識別、指紋識別、 身份識別、醫(yī)學診斷 、 工業(yè)產(chǎn)品檢測等眾多 科學 領(lǐng)域。對于已知若干個樣品的類別以及特征，我們需要對分類問題建立一個樣品庫。但是目前，研 未知模式數(shù)據(jù)獲取 數(shù)據(jù)預處理 未知模式特征提取和選擇 模式分類決策 訓練樣品特征數(shù)據(jù)輸入 訓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 改進判別規(guī)則 數(shù)據(jù)預處理 誤差檢測 識別結(jié)果 究最多也較為深入的模式識別方法是統(tǒng)計模式識別，神經(jīng)網(wǎng)絡(luò)模式識別技術(shù)也可以歸為到這類方法中。接下來就是按照設(shè)定的分類判別模型對給定的訓練樣品進行訓練，得到分類的判別規(guī)則，有了判別規(guī)則就可以進行模式識別過程，最后得到輸出識別結(jié)果。 一個模式識別系統(tǒng)是由學習模塊和測試模塊兩個模塊組成，如圖 12 所示。正因如此，在模式識別過程中，要對許多具體對象進行觀測，以獲得 許多觀測，其中有均值、方差、協(xié)方差和協(xié)方差矩陣等。 這樣，模式識別問題就是根據(jù) X 的 n 個特征來判斷模式 X 屬于哪一類。對于一個樣品來說，必須確定一些與識別有關(guān)的因素作為研究的依據(jù)，每一個因素 稱為一個特征。 對于一些比較簡單的模式識別問題，可以認為模式識別就是模式分類。在此， 運用 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) 模式識別的 簡單 問題。 作者簽名： 日期： 年 月 日 學位論文版權(quán)使用授權(quán)書 本學位論文作者完全了解學校有關(guān)保留、使用學位論文的規(guī)定，同意學校保留并向國家有關(guān)部門或機構(gòu)送交論文的復印件和電子版，允許論文被查閱和借閱。 作者簽名： 日 期： 學位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進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（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。目前，模式識別技術(shù)可以應(yīng)用指紋識別、 IC 卡技術(shù)應(yīng)用、字符識別等實例。 隨著人們對人工神經(jīng)網(wǎng)絡(luò)的不斷地認識，神經(jīng)網(wǎng)絡(luò)是指用大量的簡單計算單元構(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、存儲及檢索功能，因而 具有學習、記憶和計算等智能處理功能。它研究的目的就是利用計算機對物理對象進行分類，在錯誤概率最小的條件下，使識別的結(jié)果盡量與客觀事物相符合。使用機器來進行模式的識別是一項非常有用的工作 ，能夠辨別符號等系列的機器是很有價值的。 關(guān)鍵詞： 模式識別；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： 指導教師簽名： 日 期： 使用授權(quán)說 明 本人完全了解 大學關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學校可以采用影印、縮印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。本人完全意識到本聲明的法律后果由本人承擔。 作者簽名： 日期： 年 月 日 導師簽名： 日期： 年 月 日 指導教師評閱書 指導教師評價： 一、撰寫（設(shè)計）過程 學生在論文（設(shè)計）過程中的治學態(tài)度、工作精神 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 學生掌握專業(yè)知識、技能的扎實程度 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 學生綜合運用所學知識和專業(yè)技能分析和解決問題的能力 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 研究方法的科學性；技術(shù)線路的可行性；設(shè)計方案的合理性 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 完成畢業(yè)論文（設(shè)計）期間的出勤情況 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 二、論文（設(shè)計）質(zhì)量 論文（設(shè)計）的整體結(jié)構(gòu)是否符合撰寫規(guī)范？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 是否完成指定的論文（設(shè)計）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）水平 論文（設(shè)計）的理論意義或?qū)鉀Q實際問題的指導意義 □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文的觀念是否有新意？設(shè)計是否有創(chuàng)意？ □ 優(yōu) □ 良 □ 中 □ 及格 □ 不及格 論文（設(shè)計說明書）所體現(xiàn)的整體水平 □ 優(yōu) □ 良