欢迎光临钟爱文库,如需获取更多资料请使用搜索功能。
钟爱文库
当前位置:首页 » 工程科技 » 信息与通信 » 正文

人工神经网络模型及仿真

机器学习论文题 学 专 姓 学目: 院: 业: 名: 号:人工神经网络模型及仿真电子工程学院 电路与系统

人工神经网络模型及仿真

摘要人工神经网络(artificial neural network,ANN)通常被认为是基于生物学产 生的很复杂的分析技术,能够拟合极其复杂的非线性函数。

它是一项发展十分迅 速、应用领域十分广泛的技术,已在人工智能、自动控制、模式识别等许多应用 领域中取得广泛成功。

ANN 是一种重要的机器学习工具。

本文首先简要讲述了一些相关的生物神经网络知识,在此基础上,引出了人 工神经网络。

然后概述了 ANN 的发展历史及现状并总结了 ANN 的特点。

在第 二部分,对 ANN 发展过程中具有标志性的几种 ANN 的模型及其结构进行了讲 解,如:感知器、线性神经网络、BP 网络、反馈网络等,并给出了相应的简单 应用事例,而且使用功能强大的仿真软件——MATLAB 对它们的性能进行了仿 真分析。

在论文最后,给出了本文的总结以及作者的一些体会。

人工神经网络模型及仿真

ABSTRACTArtificial neural network(ANN) is commonly known as biologically inspired, highly sophisticated analytical technique, capable of capturing highly complex non-linear functions. ANN is a kind of widely applied technique developed highly,and it has been applied sucessfully in the domains, such as artificial intelligence, autocontrol, pattern recognition and so on. In addition, ANN is a significant means of machine learning. In this paper,the author firstly show some basic biological neural networks, on which the introduction of artificial neural network is based. Then, the author dispicts simplily the history of ANN and the present condition of ANN, and concludes the characters of ANN. In the second part of the paper, the models and structures of ANNs which representive the ANN’s development are emphasized, such as perceptron,linear neural network,BP neural network,recurrent network and so on, and some examples based on those networks are illustrated. In addition, the author simulate the performance of the ANNs by a powerful software, MATLAB. At last, the author puts forward the conclutions of this paper and his thoughts.

人工神经网络模型及仿真

目录神经网络……………………………………………………………………1 第一章 神经网络 1.1 生物学神经网络………………………………………………………….......1 1.2 人工神经网络……………………………………………………………...…2 1.2.1 人工神经网络的产生…………………………………………………....2 1.2.2 人工神经网络的发展………………………………………………..…..3 1.2.3 人工神经网络的现状…………………………………………………....5 1.3 人工神经网络的特点……………………………………………………...…5 人工神经网络模型及仿真 及仿真……………………………………………..……6 第二章 人工神经网络模型及仿真 2.1 人工神经元建模……………………………………………………….……..6 2.1.1 人工神经元的基本构成…………………………………………..……..6 2.1.2 激活函数…………………………………………………………..……..7 2.2 感知器………………………………………………………………….……..8 2.2.1 感知器模型………………………………………………………………8 2.2.2 感知器网络设计实例……………………………………………………9 2.3 线性神经网络………………………………………………………….……10 2.3.1 线性神经网络模型………………………………………………...……10 2.3.2 线性神经网络设计实例………………………………………...………10 2.4 BP 网络………………………………………………………………………11 2.4.1 BP 网络模型………………………………………………….…………11 2.4.2 BP 网络设计实例…………………………………………….…………12 2.5 径向基函数网络………………………………………………….…………15 2.5.1 径向基函数网络模型………………………………………...…………15 2.5.2 径向基函数网络设计实例………………………………...……………16 2.6 竞争型网络………………………………………………….………………18 2.6.1 竞争型网络模型………………………………………...………………18 2.6.2 竞争型网络设计实例…………………………………...………………18 2.7 反馈型网络………………………………………………………………...…20

人工神经网络模型及仿真

2.7.1 Elman 网络………………………………………………………………20 2.7.2 Hopfield 网络…………………………………………………………....23 本文总结…………………………………………………………...……….26 第三章 本文总结 参考文献………………………………………………………………………..……28 参考文献

人工神经网络模型及仿真

第一章 神经网络人工神经网络(artificial neural network,ANN)是通过对生物神经网络进行 抽象,并综合运用信息处理技术、数学手段等建立简化模型而发展起来的一门交 叉学科。

1.1 生物学神经网络生物学神经网络的基本单位是神经元(也叫神经细胞) ,它是处理人体内各 部分之间信息传递的基本单元。

据神经生物学家研究的结果表明,人的大脑一般 有 1011 ~ 1011 个神经元。

如图 1.1[1]所示,每个神经元都由一个细胞体和细胞突起 构成。

细胞体由细胞核、细胞质与细胞膜等组成,它是神经元的新陈代谢中心,同 时还用于接收并处理对其它神经元传递过来的信息。

细胞突起是由细胞体延伸出 来的细长部分,又可分为树突和轴突。

每个神经元可以有一或多个树突,它们的 功能是接受来自其它神经元的兴奋。

每个神经元只有一个轴突,它的功能是将本 神经元的输出信号(或称为兴奋)传递给别的神经元,其末端的许多神经末梢使 得兴奋可以同时传送给多个神经元。

神经元细胞体将接受到的所有信号进行简单 地处理(如:加权求和,即根据各个信号的重要性综合考虑)后由轴突输出。

神 经元的树突与另外的神经元的神经末梢相连的部分称为突触。

化学突触或电突触 均由突触前、后膜以及两膜间的窄缝──突触间隙所构成。

图 1.1 生物神经元神经元有抑制和兴奋两种状态,每一个神经元都是在与之相连的兴奋性突 触和抑制性突触的综合作用下活动的。

它的兴奋和抑制状态又影响其它神经元。

当大量的兴奋性突触进行活动时,神经元的膜电位升高,当超过一定的阈值后,1

人工神经网络模型及仿真