【人工神经网络BP算法的研究及其在气体识别中的应用】郑岩.pdf

目录第一章绪论 11前言.12人工神经网络的定义 13人工神经网络的学习 14人工神经网络的局限性第二章人工神经网络BP算法 21BP网络的理论基础 22BP网络的描述23BP学习算法 24BP算法的局限性第三章BP算法改进.31学习参数的调整 32作用函数的修改 33冲量因子的引入 34网络结构的确定 35动态调整参数的BP改进算法第四章气体识别 41气体识别过程 42特征抽取第五章结论 51实验结果 52总结结束语致谢参考文献

Abstract Back-propagationBP networksisanetworksmodel,whichisusedmost popularly and successfully at present,although having some limitations This paper,based on the theoretical study for BP algorithm,researches parametres in BP algorithm having influence on learning speed,including chang ing param

Neumann数字计算机究竞能走多远？人脑的智能是否可以在机器中重现？1982年,美国物理学家Hopfield提出了HNN模型,从而有力地推动了神经网络的研究。他引入了“计算能量函数”的概念,给出了网络稳定性的判据.此外,Hinton和Sejnowski提出的Boltzman机,借助于统计物理学的概念和方法,首次采用了多层网络的学习算法,即在学习过程中运用模拟退火技术,保证整个系统趋于全局稳定点。Rumelhart和Mccelland等人提出的PDP理论则致力于认知微观结构的探索,同时发展了多层网络的BP算法(反向传播算法),把学习结果反馈到中间层的隐节点,改变它们的权值矩阵,从