【多层前向网络学习算法的研究】.pdf

浙江大学硕士学位论文目录摘要 Abstract 第一章人工神经网络概述 1人工神经网络发展的历史 1人工神经网络的基本特征 1人工神经网络的主要模型概述第二章研究背景和基础理论 2多层前向网络 II 2模糊集(F集合)和模糊模式识别第三章多层前馈网络的自适应结构调整 3引言 3主要方法的回顾 3网络结构学习算法 3算法实现和实验结果第四章多层前向网络的分层训练 4隐含层的信息表达 4分层学习的基本思想 4分层训练的算法 4实验结果的分析 4结论第五章BP算法在字符识别中应用 5字符识别的过程和现状 5.

浙江大学硕士学位论文 Abstract Multilayer feedforward neural network using the backpropagation(BP)algorithm is one of the most widely used artificial neural networks(ANN)And this thesis is mainly about the learning algorithm of multilayerfeedforwardneural networkin solving someproblems.

浙江大学硕士学位论文的研究在若干年中一直处于低潮.进人八十年代,由于VLSI技术的发展,为神经网络的物理实现提供了可能。1982年,物理学家Hopfield进行了突破性的工作,他引人了能量函数的概念,并给出了网络稳定性判据,开拓人工神经元网络用于联想记忆和优化计算的新途径。神经网络的研究掀起了新的高潮。接着,Feldmann和ballard的连接网络模型给出了并行分布处理的计算原则。1984年,Hinton和Sejnowski提出Boltzman机模型,把统计物理学的概念引人神经网络,首次提出多层网络的学习方法,并且在学习过程中用了模拟退火技术。