数字识别-神经网络

导读:模式识别要求完成的主要任务:,1、利用BP(Back-propagation)网络对于10个阿拉伯数字(用七段,将训练好的网络对于污染的数字进行识别,将数字用7维矢量表示,设计BP网络(7输入1输出),参考matlab神经网络工具箱,分析BP网络原理,1.1人工神经网络研究背景和意义........................,2.1BP网络的特点.....................

数字识别-神经网络

武汉理工大学《通信系统课群综合训练与设计》课程设计

课程设计任务书

学生姓名: 专业班级: 通信1003 指导教师: 郭志强 工作单位: 武汉理工大学 题目: 通信系统课群综合训练与设计 初始条件: MATLAB 软件,电脑,模式识别 要求完成的主要任务:

1、利用BP(Back-propagation)网络对于10个阿拉伯数字(用七段码表示)进行训练,将训练好的网络对于污染的数字进行识别。

2、要求:学习BP算法;将数字用7维矢量表示;设计BP网络(7输入1输出);参考matlab神经网络工具箱

时间安排: 序号 1 2 3

指导教师签名: 年 月 日 系主任(或责任教师)签名: 年 月 日

设 计 内 容 根据任务,分析BP网络原理,确定实验方案 根据实验条件进行测试,并对结果进行分析 撰写课程设计报告 合 计 所用时间 2天 7天 1天 2周 - 1 -

武汉理工大学《通信系统课群综合训练与设计》课程设计

目录

摘要 .................................................................................................................................................. 3 ABSTRACT........................................................................................................................................... 3 1 绪论............................................................................................................................................. 4

1.1 人工神经网络研究背景和意义 ....................................................................................... 4 1.2 BP神经网络的介绍 ........................................................................................................ 4 1.3 神经网络理论的应用 ....................................................................................................... 5 2 BP网络.......................................................................................................................................... 6

2.1 BP网络的特点 .................................................................................................................. 6 2.2 BP网络模型处理信息的基本原理 .................................................................................. 6 2.3 基本BP算法公式推导 ................................................................................................... 6 2.4 基本BP算法的缺陷 ....................................................................................................... 10 2.5 BP算法的改进 .............................................................................................................. 11 2.6 BP网络的设计 ................................................................................................................ 12 3 BP神经网络在实例中的应用 .................................................................................................... 13

3.1 基于MATLAB的BP神经网络工具箱函数 ..................................................................... 14

3.1.1 BP网络创建函数 ................................................................................................ 15 3.1.2 神经元上的传递函数 ......................................................................................... 15 3.1.3 BP网络学习函数 ................................................................................................ 16 3.1.4 BP网络训练函数 ................................................................................................ 16 3.2 利用BP网络对污染数字的识别 ................................................................................... 17

3.2.1 问题的提出 ......................................................................................................... 17 3.2.2 将数字矢量表示 ................................................................................................. 17 3.2.4 网络训练 ............................................................................................................. 18 3.2.5 网络测试 ............................................................................................................. 19 3.2.6用含噪声和不含噪声的数字样本进行训练 ...................................................... 19 3.2.7 测量网络容错性 ................................................................................................. 19 3.2.8 对污染数字进行识别 ......................................................................................... 21 3.3 仿真分析 ......................................................................................................................... 22

3.3.1隐含神经元数目对仿真的影响: ...................................................................... 22 3.3.2传递函数对仿真的影响 ...................................................................................... 23

4 结束语......................................................................................................................................... 23 5 参考文献..................................................................................................................................... 24 6 总程序......................................................................................................................................... 25

2

武汉理工大学《通信系统课群综合训练与设计》课程设计

摘要

本文首先说明课题研究的目的和意义,简要介绍了神经网络理论的应用,然后分析了神经网络算法的基本原理,给出经典神经网络算法的具体实现方法,总结神经网络算法的特点,并给出神经网络算法的基本流程。采用Matlab软件编程实现BP神经网络算法。并且将神经网络算法应用于对数字的识别。设计了一个BP网络。利用BP网络对于10个阿拉伯数字(用七段码表示)进行训练,将训练好的网络对于污染的数字进行识别。设计采用单隐层的BP网络,根据设计要求,可以确定样本为7维的输入向量。所以有7个神经元作为输入层。因为网络的输出数据只有一个,则输出层只有1个神经元。网络的训练函数是traingdm。

关键词:BP网络 神经元 数字识别

ABSTRACT

This paper first shows the purpose and significance of research, this paper briefly

introduces the application of neural network theory. Then analyzes the basic principle of neural network algorithm, and gives the classical neural network algorithm is a concrete realization method, summarizes the characteristics of the neural network algorithm, and gives the basic process of neural network algorithm. Using Matlab software programming to realize the BP neural network algorithm. And the neural network algorithm is applied to the digital identification. Design a BP network (7 input and output). BP network for ten Arabic numerals (with seven segment code said) training, and will of the trained network digital identification for pollution. Design USES single hidden layer of BP network, according to the requirement of design, and the sample can be determined for 7 d input vector. So there are seven neurons as input layer. Because the network of output data is only one, the only one output layer neurons. Network training function is traingdm.

Keywords: BP network neuron number recognition

3

武汉理工大学《通信系统课群综合训练与设计》课程设计

1 绪论

1.1 人工神经网络研究背景和意义

人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。

人工神经网络就是模拟人思维的一种方式,是一个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单,功能有限,但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

近年来通过对人工神经网络的研究,可以看出神经网络的研究目的和意义有以下三点:(1)通过揭示物理平面与认知平面之间的映射,了解它们相互联系和相互作用的机理,从而揭示思维的本质,探索智能的本源。(2)争取构造出尽可能与人脑具有相似功能的计算机,即神经网络计算机。(3)研究仿照脑神经系统的人工神经网络,将在模式识别、组合优化和决策判断等方面取得传统计算机所难以达到的效果。

人工神经网络特有的非线性适应性信息处理能力,克服了传统人工智能方法对于直觉,如模式、语音识别、非结构化信息处理方面的缺陷,使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合,将推动人工智能和信息处理技术不断发展。近年来,人工神经网络正向模拟人类认知的道路上更加深入发展,与模糊系统、遗传算法、进化机制等结合,形成计算智能,成为人工智能的一个重要方向,将在实际应用中得到发展。将信息几何应用于人工神经网络的研究,为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快,已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。

1.2 BP神经网络的介绍

BP神经网络是目前人工神经网络模式中最具代表性,应用得最广泛的一种模型,具有自学习、自组织、自适应和很强的非线性映射能力,可以以任意精度

4

武汉理工大学《通信系统课群综合训练与设计》课程设计

逼近任意连续函数.近年来,为了解决BP网络收敛速度慢,训练时间长等不足,提出了许多改进算法.然而,在针对实际问题的BP网络建模过程中,选择多少层网络,每层多少个神经元节点,选择何种传递函数等,均无可行的理论指导,只能通过大量的实验计算获得.MATLAB中的神经网络工具箱(Neural NetworkToolbox,简称NNbox),为解决这一问题提供了便利的条件.神经网络工具箱功能十分完善,提供了各种MATLAB函数,包括神经网络的建立、训练和仿真等函数,以及各种改进训练算法函数,用户可以很方便地进行神经网络的设计和仿真,也可以在MATLAB源文件的基础上进行适当修改,形成自己的工具包以满足实际需要。

此项课题主要是针对MATLAB软件对BP神经网络的各种算法的编程,将神经网络算法应用于对于污染的数字进行识别的问题中,并分析比较相关参数对算法运行结果的影响。

1.3 神经网络理论的应用

神经网络理论的应用取得了令人瞩目的发展,特别是在人工智能、自动控制、计算机科学、信息处理、机器人、模式识别、CAD/CAM等方面都有重大的应用实例。下面列出一些主要应用领域:

(1)模式识别和图像处理。印刷体和手写字符识别、语音识别、签字识别、指纹识别、人体病理分析、目标检测与识别、图像压缩和图像复制等。

(2)控制和优化。化工过程控制、机器人运动控制、家电控制、半导体生产中掺杂控制、石油精炼优化控制和超大规模集成电路布线设计等。

(3)预报和智能信息管理。股票市场预测、地震预报、有价证券管理、借贷风险分析、IC卡管理和交通管理。

(4)通信。自适应均衡、回波抵消、路由选择和ATM网络中的呼叫接纳识别和控制。

(5)空间科学。空间交汇对接控制、导航信息智能管理、飞行器制导和飞行程序优化管理等。

5

五星文库wxphp.com包含总结汇报、党团工作、考试资料、人文社科、旅游景点、专业文献、资格考试、出国留学、外语学习、工作范文、word文档、应用文书、行业论文以及数字识别-神经网络等内容。