【正文】 逐步達到的。如果最后的輸出不正確，系統(tǒng)可以調(diào)整 加到每個輸入上去的權(quán)重以產(chǎn)生一個新的結(jié)果，這可以通過一定的訓(xùn)練算法來實現(xiàn)。人工神經(jīng)網(wǎng)絡(luò)也是如此，由于知識存儲在整個系統(tǒng)中，而不是在一個存儲單元中，一定比例的結(jié)點不參與運算，對整個系統(tǒng)性能不會產(chǎn)生重大影響。 （ 4）人工神經(jīng)網(wǎng)絡(luò) 具有很強的容錯性。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)和并行處理機制。 （ 1）人工神經(jīng)網(wǎng)絡(luò)為廣泛連接的巨型系統(tǒng)。實際應(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算法，利用 Boltzmann 機，主要應(yīng)用于優(yōu)化計算，由于引入一定程度的隨機性擾動，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 機神經(jīng)網(wǎng)絡(luò)和自組織神經(jīng)畢業(yè)設(shè)計（論文） 9 網(wǎng)絡(luò)。概率統(tǒng)計模型描述神經(jīng)元輸 入與輸出之間不存在確定關(guān)系，而是一個隨機函數(shù)，多項式闕值函數(shù)模型反映輸入信號自身相關(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)接強度， U 為內(nèi)部狀態(tài)， θ 是闕值， S為外部輸入信號。對大腦神經(jīng)元的研究表明，當(dāng)其處于興奮狀態(tài)時，輸出側(cè)的軸突就會發(fā)出脈沖信號，每個神經(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。 預(yù)測與管理 股票市場預(yù)測，有價證券管理，信貸風(fēng)險分析，信用卡管理，機票管理。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（論文） 6 霍普菲爾德將這種模型用簡明模擬電子電路實現(xiàn)，并應(yīng)用于目前電子計算機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長時期內(nèi)馮 人工神經(jīng)網(wǎng)絡(luò)（ Artificial Neural Networks，簡稱 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、計算機、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，而若要計算機來完成這個任務(wù)，其計算量同樣大的驚人。 畢業(yè)設(shè)計（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)代計算機有著很強的計算和信息處理能力，但是它解決像模式識別、感知、評判和決策等復(fù)雜問 題的能力卻遠不如人，特別是它只能按人事先編好的程序機械地執(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)機理是研制新一代智能計算機的關(guān)鍵之一。畢業(yè)設(shè)計（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)簡介 ..........................................................8 神經(jīng)網(wǎng)絡(luò)的相關(guān)知識 ...................................................................... 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)算法的對策 .......................................................... 18 對 BP 算法的改進 ........................................................................... 21 改進誤差函數(shù) .......................................................................... 21 改進激勵函數(shù) .......................................................................... 22 畢業(yè)設(shè)計（論文） 2 改進優(yōu)化算法 .......................................................................... 23 第四章 手寫數(shù) 字識別 ............................................................................. 24 模式識別 ....................................................................................... 24 模式和模式識別的概念 ............................................................ 24 模式識別系統(tǒng)的構(gòu)成 ................................................................ 25 手寫體數(shù)字識別 ............................................................................. 26 課題概述 .................................................................................. 26 手寫體數(shù)字識別的主要方法 ..................................................... 27 手寫數(shù)字識別的一般方法及其難點 .......................................... 29 聯(lián)機字符識別原理 ................................................................... 30 預(yù)處理及模板的建立 ................................................................ 31 樣本集對識別結(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 ................................................................................ 37 C++的組成 ........................................................................................... 37 C++的特點 ........................................................................................... 38 致謝 .............................................................................. 錯誤 !未定義書簽。 字符識別長期以來都是采用傳統(tǒng)的識別方法，對印刷體字符的識別率一般只是穩(wěn)定在 96％左右，不能進一步提高；而對手寫體字符的識別，其研究還處于探索階段，其識別率還相當(dāng)?shù)?，因此，為了提高識別率，就必須尋求新的方法和途徑 。為模式識別開辟了新的途徑，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，有了較大的進展。 人的大腦可以在幾秒內(nèi)判斷出人在一個動態(tài)的十字路口是否應(yīng)該過馬路，而若要計算機來做這個工作，其計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一