【正文】 傳遞的化學(xué)物質(zhì)。 。神經(jīng)元是大腦處理信息的基本單元，以細(xì)胞體為主體，由許多向周圍延伸的不規(guī)則樹(shù)枝狀纖維構(gòu)成的神經(jīng)細(xì)胞，其形狀很像一棵枯樹(shù)的枝干。因此，人工神經(jīng)網(wǎng)絡(luò)作為經(jīng)驗(yàn)?zāi)Ｐ偷囊环N，在化工生產(chǎn)、研究和開(kāi)發(fā)中得到了越來(lái)越多的用途。若干神經(jīng)元連接成網(wǎng)絡(luò)，其中的一個(gè)神經(jīng)元可以接受多個(gè)輸入信號(hào)，按照一定的規(guī)則轉(zhuǎn)換為輸出信號(hào)。神經(jīng)網(wǎng)絡(luò)的信息處理通過(guò)神經(jīng)元的互相作用來(lái)實(shí)現(xiàn)，知識(shí)與信息的存儲(chǔ)表現(xiàn)為網(wǎng)絡(luò)元件互相分布式的物理聯(lián)系。為了模擬大腦的基本特性，在神經(jīng)科學(xué)研究的基礎(chǔ)上，提出了神經(jīng)網(wǎng)絡(luò)的模型。模仿生物神經(jīng)網(wǎng)絡(luò)而建立的人工神經(jīng)網(wǎng)絡(luò)，對(duì)輸入信號(hào)有功能強(qiáng)大的反應(yīng)和處理能力[9]。生物神經(jīng)元受到傳入的刺激，其反應(yīng)又從輸出端傳到相聯(lián)的其它神經(jīng)元，輸入和輸出之間的變換關(guān)系一般是非線性的。空間交匯對(duì)接控制、導(dǎo)航信息智能管理、飛行器制導(dǎo)和飛行程序優(yōu)化管理等。自適應(yīng)均衡、回波抵消、路由選擇和ATM網(wǎng)絡(luò)中的呼叫接納識(shí)別和控制。股票市場(chǎng)預(yù)測(cè)、地震預(yù)報(bào)、有價(jià)證券管理、借貸風(fēng)險(xiǎn)分析、IC卡管理和交通管理?；み^(guò)程控制、機(jī)器人運(yùn)動(dòng)控制、家電控制、半導(dǎo)體生產(chǎn)中摻雜控制、石油精煉優(yōu)化控制和超大規(guī)模集成電路布線設(shè)計(jì)等。印刷體和手寫(xiě)字符識(shí)別、語(yǔ)音識(shí)別、簽字識(shí)別、指紋識(shí)別、人體病理分析、目標(biāo)檢測(cè)與識(shí)別、圖像壓縮和圖像復(fù)制等。 神經(jīng)網(wǎng)絡(luò)的應(yīng)用神經(jīng)網(wǎng)絡(luò)理論的應(yīng)用取得了令人矚目的發(fā)展，特別是在人工智能、自動(dòng)控制、計(jì)算機(jī)科學(xué)、信息處理、機(jī)器人、模式識(shí)別、CAD/CAM等方面都有重大的應(yīng)用實(shí)例。而這些軟件往往只針對(duì)某一方面的問(wèn)題有效，并且在人機(jī)接口、用戶友好性等諸多方面存在一定的缺陷。例如，由于訓(xùn)練中穩(wěn)定性的要求學(xué)習(xí)率很小，所以梯度下降法使得訓(xùn)練很忙動(dòng)量法因?yàn)閷W(xué)習(xí)率的提高通常比單純的梯度下降法要快，但在實(shí)際應(yīng)用中還是很慢[7]。 神經(jīng)網(wǎng)絡(luò)研究目前存在的問(wèn)題人工神經(jīng)網(wǎng)絡(luò)的發(fā)展具有強(qiáng)大的生命力。這方面的工作也稱為技術(shù)模型研究。（2）建立理論模型：根據(jù)生物圓形的研究，建立神經(jīng)元、神經(jīng)網(wǎng)絡(luò)的理論模型，其中包括概念模型、知識(shí)模型、物理化學(xué)模型、數(shù)學(xué)模型等。 神經(jīng)網(wǎng)絡(luò)的研究?jī)?nèi)容和目前存在的問(wèn)題 神經(jīng)網(wǎng)絡(luò)的研究?jī)?nèi)容神經(jīng)網(wǎng)絡(luò)的研究?jī)?nèi)容相當(dāng)廣泛，反映了多科學(xué)交叉技術(shù)領(lǐng)域的特點(diǎn)。3）希望在理論上尋找新的突破，建立新的專用/通用模型和算法。1）開(kāi)發(fā)現(xiàn)有模型的應(yīng)用，并在應(yīng)用中根據(jù)實(shí)際運(yùn)行情況對(duì)模型、算法加以改造，以提高網(wǎng)絡(luò)的訓(xùn)練速度和運(yùn)行的準(zhǔn)確度。20世紀(jì)80年代后期到90年代初，神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論形成了發(fā)展的熱點(diǎn)，多種模型、算法和應(yīng)用被提出，研究經(jīng)費(fèi)重新變得充足，使得研究者們完成了很多有意義的工作。他于1982年和1984年在美國(guó)科學(xué)院院刊上發(fā)表了兩篇文章，提出了模擬人腦的神經(jīng)網(wǎng)絡(luò)模型，即最著名的Hopfield模型。3）20世紀(jì)80年代90年代：第二次研究高潮進(jìn)入20世紀(jì)80年代，神經(jīng)網(wǎng)絡(luò)研究進(jìn)入高潮。Grossberg 提出了自適應(yīng)共振理論；Kohenen 提出了自組織映射；Fukushima 提出了神經(jīng)認(rèn)知網(wǎng)絡(luò)理論；Anderson提出了BSB模型；Webos 提出了BP理論等。2）20世紀(jì)60年代20世紀(jì)70年代：低潮時(shí)期到了20世紀(jì)60年代，人們發(fā)現(xiàn)感知器存在一些缺陷，例如，它不能解決異或問(wèn)題，因而研究工作趨向低潮。1）20世紀(jì)50年代20世紀(jì)60年代：第一次研究高潮自1943年MP模型開(kāi)始，至20世紀(jì)60年代為止，這一段時(shí)間可以稱為神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論發(fā)展的初期階段。光電結(jié)合的神經(jīng)計(jì)算機(jī)為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展提供了良好條件。將信息幾何應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究，為人工神經(jīng)網(wǎng)絡(luò)的理論研究開(kāi)辟了新的途徑。人工神經(jīng)網(wǎng)絡(luò)與其它傳統(tǒng)方法相結(jié)合，將推動(dòng)人工智能和信息處理技術(shù)不斷發(fā)展。（3）研究仿照腦神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)，將在模式識(shí)別、組合優(yōu)化和決策判斷等方面取得傳統(tǒng)計(jì)算機(jī)所難以達(dá)到的效果。近年來(lái)通過(guò)對(duì)人工神經(jīng)網(wǎng)絡(luò)的研究，可以看出神經(jīng)網(wǎng)絡(luò)的研究目的和意義有以下三點(diǎn)：（1）通過(guò)揭示物理平面與認(rèn)知平面之間的映射，了解它們相互聯(lián)系和相互作用的機(jī)理，從而揭示思維的本質(zhì)，探索智能的本源。人工神經(jīng)網(wǎng)絡(luò)就是模擬人思維的一種方式，是一個(gè)非線性動(dòng)力學(xué)系統(tǒng)，其特色在于信息的分布式存儲(chǔ)和并行協(xié)同處理。在解決實(shí)際問(wèn)題中，應(yīng)用MATLAB 語(yǔ)言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)的激活傳遞函數(shù)，編寫(xiě)各種網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練的子程序，網(wǎng)絡(luò)的設(shè)計(jì)者可以根據(jù)需要調(diào)用工具箱中有關(guān)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)訓(xùn)練程序，使自己能夠從煩瑣的編程中解脫出來(lái)，減輕工程人員的負(fù)擔(dān)，從而提高工作效率。為了解決神經(jīng)網(wǎng)絡(luò)問(wèn)題中的研究工作量和編程計(jì)算工作量問(wèn)題，目前工程領(lǐng)域中較為流行的軟件MATLAB，提供了現(xiàn)成的神經(jīng)網(wǎng)絡(luò)工具箱（Neural Network Toolbox，簡(jiǎn)稱NNbox）[3]，為解決這個(gè)矛盾提供了便利條件。近年來(lái)，神經(jīng)網(wǎng)絡(luò)在模擬人類認(rèn)知的道路上更加深入發(fā)展，并與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等組合，形成計(jì)算智能，成為人工智能的一個(gè)重要方向。神經(jīng)網(wǎng)絡(luò)具有非線性自適應(yīng)的信息處理能力，克服了傳統(tǒng)人工智能方法對(duì)于直覺(jué)的缺陷，因而在神經(jīng)專家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用[2]。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲(chǔ)和處理、自組織、自適應(yīng)和自學(xué)習(xí)能力，特別適合處理需要同時(shí)考慮許多因素和條件的、不精確和模糊的信息處理問(wèn)題。最后對(duì)BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了展望。采用Matlab軟件編程實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)算法。 基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用 目 錄1 緒論 1 人工神經(jīng)網(wǎng)絡(luò)的研究背景和意義 1 神經(jīng)網(wǎng)絡(luò)的發(fā)展與研究現(xiàn)狀 2 神經(jīng)網(wǎng)絡(luò)的研究?jī)?nèi)容和目前存在的問(wèn)題 3 神經(jīng)網(wǎng)絡(luò)的應(yīng)用 42 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及BP神經(jīng)網(wǎng)絡(luò) 4 神經(jīng)元與網(wǎng)絡(luò)結(jié)構(gòu) 4 BP神經(jīng)網(wǎng)絡(luò)及其原理 7 BP神經(jīng)網(wǎng)絡(luò)的主要功能 9 BP網(wǎng)絡(luò)的優(yōu)點(diǎn)以及局限性 93 BP神經(jīng)網(wǎng)絡(luò)在實(shí)例中的應(yīng)用 10 基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù) 10 BP網(wǎng)絡(luò)在函數(shù)逼近中的應(yīng)用 12 BP網(wǎng)絡(luò)在樣本含量估計(jì)中的應(yīng)用 174 結(jié)束語(yǔ) 23參考文獻(xiàn): 24英文摘要 25致 謝 26基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用蔣亮亮南京信息工程大學(xué)濱江學(xué)院自動(dòng)化專業(yè)，南京 210044摘要:本文首先說(shuō)明課題研究的目的和意義，評(píng)述課題的國(guó)內(nèi)外研究現(xiàn)狀，引出目前存在的問(wèn)題。然后分析了神經(jīng)網(wǎng)絡(luò)算法的基本原理，給出經(jīng)典神經(jīng)網(wǎng)絡(luò)算法的具體實(shí)現(xiàn)方法，總結(jié)神經(jīng)網(wǎng)絡(luò)算法的特點(diǎn)，并給出神經(jīng)網(wǎng)絡(luò)算法的基本流程。將神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于函數(shù)逼近和樣本含量估計(jì)問(wèn)題中，并分析相關(guān)參數(shù)對(duì)算法運(yùn)行結(jié)果的影響。關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò)；BP神經(jīng)網(wǎng)絡(luò)；函數(shù)逼近1 緒論人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，NN）是由大量的、簡(jiǎn)單的處理單元（稱為神經(jīng)元）廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特征，是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)[1]。神經(jīng)網(wǎng)絡(luò)的發(fā)展與神經(jīng)科學(xué)、數(shù)理科學(xué)、認(rèn)知科學(xué)、計(jì)算機(jī)科學(xué)、人工智能、信息科學(xué)、控制論、機(jī)器人學(xué)、微電子學(xué)、心理學(xué)、微電子學(xué)、心理學(xué)、光計(jì)算、分子生物學(xué)等有關(guān)，是一門(mén)新興的邊緣交叉學(xué)科。神經(jīng)網(wǎng)絡(luò)與其他傳統(tǒng)方法相組合，將推動(dòng)人工智能和信息處理技術(shù)不斷發(fā)展。MATLAB是一種科學(xué)與工程計(jì)算的高級(jí)語(yǔ)言，廣泛地運(yùn)用于包括信號(hào)與圖像處理，控制系統(tǒng)設(shè)計(jì)，系統(tǒng)仿真等諸多領(lǐng)域。神經(jīng)網(wǎng)絡(luò)工具箱提供了很多經(jīng)典的學(xué)習(xí)算法，使用它能夠快速實(shí)現(xiàn)對(duì)實(shí)際問(wèn)題的建模求解。 人工神經(jīng)網(wǎng)絡(luò)的研究背景和意義 人工神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡(jiǎn)單單元組成的廣泛并行互連的網(wǎng)絡(luò)，它的組織能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體所作出的交互反應(yīng)[5]。雖然單個(gè)神經(jīng)元的結(jié)構(gòu)極其簡(jiǎn)單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實(shí)現(xiàn)的行為卻是極其豐富多彩的。（2）爭(zhēng)取構(gòu)造出盡可能與人腦具有相似功能的計(jì)算機(jī)，即神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)。人工神經(jīng)網(wǎng)絡(luò)特有的非線性適應(yīng)性信息處理能力，克服了傳統(tǒng)人工智能方法對(duì)于直覺(jué)，如模式、語(yǔ)音識(shí)別、非結(jié)構(gòu)化信息處理方面的缺陷，使之在神經(jīng)專家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用。近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)正向模擬人類認(rèn)知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等結(jié)合，形成計(jì)算智能，成為人工智能的一個(gè)重要方向，將在實(shí)際應(yīng)用中得到發(fā)展。神經(jīng)計(jì)算機(jī)的研究發(fā)展很快，已有產(chǎn)品進(jìn)入市場(chǎng)。 神經(jīng)網(wǎng)絡(luò)的發(fā)展與研究現(xiàn)狀 神經(jīng)網(wǎng)絡(luò)的發(fā)展神經(jīng)網(wǎng)絡(luò)起源于20世紀(jì)40年代，至今發(fā)展已半個(gè)多世紀(jì)，大致分為三個(gè)階段【7】。這個(gè)時(shí)期的主要特點(diǎn)是多種網(wǎng)絡(luò)的模型的產(chǎn)生與學(xué)習(xí)算法的確定。不過(guò)仍有不少學(xué)者繼續(xù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行研究。這些都是在20世紀(jì)70年