人工神經網絡
頁數(shù) 44 字數(shù) 22434
摘要
人工神經網絡是由一些類似人腦神經元的簡單處理單元相互連接而成的復雜網絡。已涌現(xiàn)出許多不同類型的ANN及相應的學習算法，其中BP（或EBP-Error Back Propagation）網絡及學習算法得到了廣泛關注和研究，并在模式識別與分類、機器人控制、數(shù)據(jù)壓縮等領域取得了許多有意義的應用成果。
在認真地研究了精神網絡的基本原理和機制的基礎上，結合手寫體數(shù)字識別這一具體課題，提出了用精神網絡方法來實現(xiàn)手寫體數(shù)字識別的方案。在自由手寫體數(shù)字識別方面，許多研究工作者使用ANN 技術做了不少嘗試，有了較大的進展。




目 錄
目錄 1
第一章 緒論 3
第二章 神經網絡 4
2.1神經網絡的發(fā)展和應用 4
2.1.1神經網絡的產生 4
2.1.2神經網絡的發(fā)展 5
2.1.3神經網絡的應用 6
2.2人工神經網絡實現(xiàn)原理 7
2.2.1 人工神經元 7
2.2.2人工神經網絡的基本原理及構成 8
2.2.3幾種典型的神經網絡簡介 8
2.3神經網絡的相關知識 10
2.3.1人工神經網絡的基本特征 10
2.3.2神經網絡的學習方式 11
2.3.3人工神經網絡的實現(xiàn)及應用舉例 12
2.3.4人工神經網絡的發(fā)展前景 13
第三章 BP網絡 14
3.1 BP 算法 14
3.1.1 BP算法的主要思想 14
3.1.2 BP算法的組成 14
3.1.3 BP網絡的一般學習算法 15
3.2 BP學習算法的局限性與對策 17
3.2.1 BP學習算法存在的局限性 17
3.2.2克服BP學習算法的對策 18
3.3對BP算法的改進 21
3.3.1改進誤差函數(shù) 21
3.3.2改進激勵函數(shù) 22
3.3.3改進優(yōu)化算法 23
第四章 手寫數(shù)字識別 24
4.1 模式識別 24
4.1.1模式和模式識別的概念 24
4.1.2模式識別系統(tǒng)的構成 25
4.2手寫體數(shù)字識別 26
4.2.1課題概述 26
4.2.2手寫體數(shù)字識別的主要方法 27
4.2.3手寫數(shù)字識別的一般方法及其難點 29
4.2.4聯(lián)機字符識別原理 30
4.2.5預處理及模板的建立 31
4.2.6樣本集對識別結果的影響 33
4.2.7程序實現(xiàn) 36
第五章 軟件開發(fā)環(huán)境 39
5.1 軟件開發(fā)平臺 39
5.2Visual C++的組成 39
5.3Visual C++的特點 40
致謝 43
參考文獻 44

參考文獻
1． 張乃堯、閻平凡編著，《神經網絡與模糊控制》，清華大學出版社，1998.10
2． 邊肇祺、張學工等，《模式識別》，清華大學出版社，2000.1
3． 陳尚勤、魏鴻駿，《模式識別理論及應用》，成都電訊工程學院出版社，1985
4． 馬立權、李維、路瑩等，手寫數(shù)字識別中的預處理技術研究，儀器儀表學報，2001.6
5．張宏林，《Visual C++數(shù)字圖像模式識別技術及工程實踐》，人民郵電出版社，2003.4