【人工神经网络在模式辨识中的应用】李宝华.pdf

摘要则是该领域的新进展.反传BP网络是目前神经网络中应用最多、最直观和最有效的一种学习模型、它的技术相对来说也是比较成熟的。BP网络在诸如模式识别、图象处理等方面均取得了令人满意的结果.本文共分四个部分,分别概述了双向联想存储器(BAM)及BP网络的基本原理和结构,阐述了BAM的联想过程并对其稳定性进行了分析。在此基础上、作为一种尝试、我们通过大量的计算机模拟实验,探讨了BAM网络在各种噪声污染的情况下的联想性能,以及利用多重训练算法对BAM网络的联想性能的改进.

第一章绪论.1前言 1人工神经网络的定义 1人工神经网络的学习 1人工神经网络的局限性第二章双向联想存储器BAM模型 2双向联想存储器的定义与结构 2双向联想存储器的编码和译码 2双向联想存储器能量函数的定义第三章BP网络模型及其结构设计 3BP网络的理论背景 3BP网络的结构和数学描述 3BP网络神经元模型 3BP网络结构与数学描述 3BP学习算法 3BP网络的结构的结构设计 3隐层数的确定 3隐层神经元数的确定 3BP算法的局限性第四章实验结果与分析 4BAM网的容量分析 4.

吉林工业大学硕士研究生毕业论文第一章绪论 1前言从人脑的生理结构出发来研究人的智能行为,模拟人脑信息处理的功能,即人工神经网络(ANN)的研究始于四十年代,至今已有50年的历史,它经历了兴起,萧条和兴盛三个时期.早在于1943年,心理学家McCulloch和数学家Pitts就提出了基本生物神经元的一些基本特性的M-P模型.在M-P模型中,由于足够多的神经元及其之间的丰富的联系,因此它不仅具有巨大的计算能力而且具有并行处理能力年心理学家D.Hebb提出神经元之间突触联系强度可变的假设.称为Hebb规则.成为人工神经网络学习算法的基础.