【正文】 逐步達(dá)到的。如果最后的輸出不正確，系統(tǒng)可以調(diào)整 加到每個(gè)輸入上去的權(quán)重以產(chǎn)生一個(gè)新的結(jié)果，這可以通過一定的訓(xùn)練算法來實(shí)現(xiàn)。人工神經(jīng)網(wǎng)絡(luò)也是如此，由于知識(shí)存儲(chǔ)在整個(gè)系統(tǒng)中，而不是在一個(gè)存儲(chǔ)單元中，一定比例的結(jié)點(diǎn)不參與運(yùn)算，對(duì)整個(gè)系統(tǒng)性能不會(huì)產(chǎn)生重大影響。 （ 4）人工神經(jīng)網(wǎng)絡(luò) 具有很強(qiáng)的容錯(cuò)性。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)就需要很多連接。 （ 2）人工神經(jīng)網(wǎng)絡(luò)有其并行結(jié)構(gòu)和并行處理機(jī)制。 （ 1）人工神經(jīng)網(wǎng)絡(luò)為廣泛連接的巨型系統(tǒng)。實(shí)際應(yīng)用中，自組織特征映射網(wǎng)絡(luò)主要用于自聯(lián)想最臨近分類器。目前常用的算法有模擬退火算法和快速模擬退火算法及一些改進(jìn)算法，利用 Boltzmann 機(jī)，主要應(yīng)用于優(yōu)化計(jì)算，由于引入一定程度的隨機(jī)性擾動(dòng)，以保證系統(tǒng)從局部極小中爬出來，找到全局極小，即得到全局最優(yōu)。目前研究的焦點(diǎn)是構(gòu)造一種符合問題的能量函數(shù)以求解不同的問題，其中最著名的旅行商（ TSP）問題，八皇后問題都是利用連續(xù) Hopfield神經(jīng)網(wǎng)絡(luò)求解，并得到了滿意結(jié)果。 （ 2） Hopfield 神經(jīng)網(wǎng)絡(luò) （ HNN） Hopfield 神經(jīng)網(wǎng)絡(luò)是一種帶有反饋的動(dòng)力學(xué)系統(tǒng)，它分離散和連續(xù)兩種模型。其中最具代表性的人工神經(jīng)網(wǎng)絡(luò)模型有多層前饋網(wǎng)絡(luò)（ MLP）， Hopfield 神經(jīng)網(wǎng)絡(luò)（ HNN），隨 機(jī)神經(jīng)網(wǎng)絡(luò)和自組織神經(jīng)畢業(yè)設(shè)計(jì)（論文） 9 網(wǎng)絡(luò)。概率統(tǒng)計(jì)模型描述神經(jīng)元輸 入與輸出之間不存在確定關(guān)系，而是一個(gè)隨機(jī)函數(shù)，多項(xiàng)式闕值函數(shù)模型反映輸入信號(hào)自身相關(guān)性，它表征神經(jīng)元輸入與輸出之間不但存在一階函數(shù)關(guān)系，而且還存在著輸出與多個(gè)輸入的乘積之間的關(guān)系。由于神經(jīng)元功能函數(shù)形式的不同，形成了多種多樣的神經(jīng)元模型。此外還有闕值 θk（或偏置 bk=－ θk）。 人工神經(jīng)元 圖 21 為人工神經(jīng)元模型，X為該神經(jīng)元接受到的來自其它神經(jīng)元的輸出信息， W 為聯(lián)接強(qiáng)度， U 為內(nèi)部狀態(tài)， θ 是闕值， S為外部輸入信號(hào)。對(duì)大腦神經(jīng)元的研究表明，當(dāng)其處于興奮狀態(tài)時(shí)，輸出側(cè)的軸突就會(huì)發(fā)出脈沖信號(hào)，每個(gè)神經(jīng)元的樹狀突起與來自其他神經(jīng)元軸突的互相結(jié)合部（此結(jié)合部稱為 Synapse，即突觸），接收由軸突傳來的信號(hào)。 預(yù)測(cè)與管理 股票市場(chǎng)預(yù)測(cè)，有價(jià)證券管理，信貸風(fēng)險(xiǎn)分析，信用卡管理，機(jī)票管理。不同領(lǐng)域的科學(xué)家和技術(shù)學(xué)家從各自學(xué)科的興趣和特色出發(fā)，提出不同的問題，從不同的角度著手研究，解決自己領(lǐng)域內(nèi)的種種問題。 1984 年，畢業(yè)設(shè)計(jì)（論文） 6 霍普菲爾德將這種模型用簡(jiǎn)明模擬電子電路實(shí)現(xiàn)，并應(yīng)用于目前電子計(jì)算機(jī)尚難于解決的著名的“巡回推銷員問題（ TSP， Travel Salesmen Problem）”，獲得了很好的答案。 經(jīng)過近 20 年的沉默和少數(shù)先驅(qū)者的艱苦努力，到 80 年代初又重新興起。但是在此之后的一個(gè)長(zhǎng)時(shí)期內(nèi)馮 人工神經(jīng)網(wǎng)絡(luò)（ Artificial Neural Networks，簡(jiǎn)稱 NN 或 ANN），是一門發(fā)展十分 迅速的交叉學(xué)科，它涉及到生物、計(jì)算機(jī)、數(shù)學(xué)、電子、物理、心理學(xué)、認(rèn)知科學(xué)等許多學(xué)科。一個(gè)三歲小孩可以輕而易舉地從一堆照片中找出自己的父母親來，而若要計(jì)算機(jī)來完成這個(gè)任務(wù)，其計(jì)算量同樣大的驚人。 畢業(yè)設(shè)計(jì)（論文） 4 第二章 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)的發(fā)展和應(yīng)用 神經(jīng)網(wǎng)絡(luò)的產(chǎn)生 現(xiàn)代計(jì)算機(jī)有著很強(qiáng)的計(jì)算和信息處理能力，但是它解決像模式識(shí)別、感知、評(píng)判和決策等復(fù)雜問 題的能力卻遠(yuǎn)不如人，特別是它只能按人事先編好的程序機(jī)械地執(zhí)行。 人工神經(jīng)網(wǎng)絡(luò)是由一些類似人腦神經(jīng)元的簡(jiǎn)單處理單元相互連接而成的復(fù)雜網(wǎng)絡(luò)。 揭示與模擬人腦神經(jīng)系統(tǒng)機(jī)理是研制新一代智能計(jì)算機(jī)的關(guān)鍵之一。畢業(yè)設(shè)計(jì)（論文） 1 目 錄 目錄 ...........................................................................................................1 第一章 緒論 ...........................................................................................3 第二章 神經(jīng)網(wǎng)絡(luò) ....................................................................................4 神經(jīng)網(wǎng)絡(luò)的發(fā)展和應(yīng)用 .....................................................................4 神經(jīng)網(wǎng)絡(luò)的產(chǎn)生 .........................................................................4 神經(jīng)網(wǎng)絡(luò)的發(fā)展 .........................................................................5 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 .........................................................................6 人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)原理 .....................................................................7 人工神經(jīng)元 ...............................................................................7 人工神經(jīng)網(wǎng)絡(luò)的基本原理及構(gòu)成 ................................................8 幾種典型的神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 ..........................................................8 神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí) ...................................................................... 10 人工神經(jīng)網(wǎng)絡(luò)的基本特征 ........................................................ 10 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式 ................................................................ 11 人工神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)及應(yīng)用舉例 .............................................. 12 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展前景 ........................................................ 13 第三章 BP 網(wǎng)絡(luò) ....................................................................................... 14 BP 算法 ...................................................................................... 14 BP 算法的主要思想 .................................................................. 14 BP 算法的組成 ......................................................................... 14 BP 網(wǎng)絡(luò)的一般學(xué)習(xí)算法 .......................................................... 15 BP 學(xué)習(xí)算法的局限性與對(duì)策 .......................................................... 17 BP 學(xué)習(xí)算法存在的局限性 ....................................................... 17 克服 BP 學(xué)習(xí)算法的對(duì)策 .......................................................... 18 對(duì) BP 算法的改進(jìn) ........................................................................... 21 改進(jìn)誤差函數(shù) .......................................................................... 21 改進(jìn)激勵(lì)函數(shù) .......................................................................... 22 畢業(yè)設(shè)計(jì)（論文） 2 改進(jìn)優(yōu)化算法 .......................................................................... 23 第四章 手寫數(shù) 字識(shí)別 ............................................................................. 24 模式識(shí)別 ....................................................................................... 24 模式和模式識(shí)別的概念 ............................................................ 24 模式識(shí)別系統(tǒng)的構(gòu)成 ................................................................ 25 手寫體數(shù)字識(shí)別 ............................................................................. 26 課題概述 .................................................................................. 26 手寫體數(shù)字識(shí)別的主要方法 ..................................................... 27 手寫數(shù)字識(shí)別的一般方法及其難點(diǎn) .......................................... 29 聯(lián)機(jī)字符識(shí)別原理 ................................................................... 30 預(yù)處理及模板的建立 ................................................................ 31 樣本集對(duì)識(shí)別結(jié)果的影響 ........................................................ 33 程序?qū)崿F(xiàn) .................................................................................. 36 第五章 軟件開發(fā)環(huán)境 ........................................................................... 37 軟件開發(fā)平臺(tái) ................................................................................ 37 C++的組成 ........................................................................................... 37 C++的特點(diǎn) ........................................................................................... 38 致謝 .............................................................................. 錯(cuò)誤 !未定義書簽。 字符識(shí)別長(zhǎng)期以來都是采用傳統(tǒng)的識(shí)別方法，對(duì)印刷體字符的識(shí)別率一般只是穩(wěn)定在 96％左右，不能進(jìn)一步提高；而對(duì)手寫體字符的識(shí)別，其研究還處于探索階段，其識(shí)別率還相當(dāng)?shù)停虼?，為了提高識(shí)別率，就必須尋求新的方法和途徑 。為模式識(shí)別開辟了新的途徑，成了模擬人工智能的一種重要方法。在自由手寫體數(shù)字識(shí)別方面，許多研究工作者使用 ANN 技術(shù)做了不少嘗試，有了較大的進(jìn)展。 人的大腦可以在幾秒內(nèi)判斷出人在一個(gè)動(dòng)態(tài)的十字路口是否應(yīng)該過馬路，而若要計(jì)算機(jī)來做這個(gè)工作，其計(jì)算量大到幾乎不可能做到。這正如人類在模擬鳥的飛行過程中造出了飛機(jī)一