神经网络在模式识别中的简单分析及应用毕业论文

《神经网络在模式识别中的简单分析及应用毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毕业论文神经网络在模式识别中的简单分析及应用-2-摘要模式识别就是机器识别、计算机识别或者机器自动化识别，目的在于让机器自动识别事物，使机器能做以前只能由人类才能做的事，具备人所具有的对各种事物与现象进行分析、描述与判断的部分能力。它研究的目的就是利用计算机对物理对象进行分类，在错误概率最小的条件下，使识别的结果尽量与客观事物相符合。随着人们对人工神经网络的不断地认识，神经网络是指用大量的简单计算单元构成的非线性系统,它在一定程度和层次上模仿了人脑神经系统的信息处理、存储及检索功能，因而具有学习、记忆和计算等

2、智能处理功能。这样人们利用人工神经网络具有高度的并行性，高度的非线性全局作用以及良好的容错性与联想记忆功能，并且具有良好的自适应、自学习功能等突出特点，可运用MATLAB神经网络工具箱中的神经网络模型，对经过训练的神经网络可以有效地提取信号、语音、图像等感知模式的特征，并能解决现有启发式模式识别系统不能很好解决的不变量探测、抽象和概括等问题。这样神经网络可应用于模式识别的特征提取、聚类分析、边缘检测、信号增强以及噪声抑制、数据压缩等各个环节。使用机器来进行模式的识别是一项非常有用的工作，能够辨别符号等系列的机

3、器是很有价值的。目前，模式识别技术可以应用指纹识别、IC卡技术应用、字符识别等实例。模式识别成为人工神经网络特别适宜求解的一类问题。因此，神经网络技术在模式识别中也得到广泛应用与发展。关键词：模式识别；人工神经网络；神经网络模型；神经网络技术-2-AbstractPatternRecognitionisthemachineidentification,computeridentificationoridentificationofmachineautomation,machineaimedatautomati

4、cidentificationofthingstodobeforethemachinecanonlybemadebymancando,withpeoplewithallkindsofthingsandonananalysisofthephenomenon,describedwiththeabilitytodeterminethepart.Itisthepurposeofthestudyofthephysicalobjecttousethecomputerforclassification,theprobabi

5、lityofthesmallestinthewrongconditions,sothattheresultsofrecognitionasfaraspossibleinlinewithobjectivethings.Asartificialneuralnetworktorecognizethecontinuing,neuralnetworkreferstoalargenumberofsimplecalculationunitconsistingofnon-linearsystem,whichtosomeext

6、entandlevelsystemtoimitatethehumanbrain'sinformationprocessing,storageandretrievalfunctions,whichhaslearning,memoryandcomputingfunctionssuchasintelligentprocessing.Suchpeopletouseartificialneuralnetworkwithahighdegreeofparallelism,theoverallroleofahighdegre

7、eofnon-linearandgoodfaulttoleranceandassociativememoryfunction,andhavegoodself-adaptive,self-learningfunction,suchasprominentfeatures,theavailabilityofMATLABneuralnetworktoolboxTheneuralnetworkmodeltrainedneuralnetworkcaneffectivelyextractthesignal,voice,vi

8、deoandotherfeaturesofperceptualpatternsandheuristicstosolvetheexistingpatternrecognitionsystemsarenotwellresolvedinvariantdetection,suchasabstractandsummaryissues.Thisneuralnetworkpatternrecognitioncan