基于BP神经网络

《基于BP神经网络》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于BP神经网络专业：计算机科学与技术指导教师：王鸿斌姓名：贾凤霞日期：二零零八年六月数字识别技术的研究引　言作为字符识别的组成部分之一的数字识别在邮政、交通及商业票据管理方面有着极高的使用价值，如：邮政编码、统计报表、财务报表、银行票据等等。在学习并掌握BP神经网络的发展、基本概念、基本原理的基础上，能够熟练掌握BP神经网络的设计方法和步骤，进而将BP神经网络应用于数字识别技术中，并能够用MATLAB编程实现训练BP神经网络使其能够对10个数字进行识别。BP神经网络的基本原理BP神经网络是基于误差反向传播

2、算法(BP算法)的一种单向传播多层前向神经网络。R*1P1aS*1nwbS*RS*1S输入BP神经元层BP神经网络结构如图:1a=f(wp+b)基于BP神经网络数字识别的实现1问题的描述在计算机中，字符或图像均可以用位图形式加以描述。比如数字1的位图形式，如果1用表示，其余元素点用0表示，则数字1可以用一个5*7的矩阵来表示。基于BP神经网络数字识别的实现2网络的设计(1)神经网络的识别依据（识别网络输入）即将矩阵表示的数字位图以列矢量形式表示，比如数字1可表示为:[00100001000010000100

3、0010000100](2)神经网络的识别结果（目标输出）即10个数字的模式矢量，可以用一个10维的列矢量表示，比如数字1的模式矢量为:[0100000000]基于BP神经网络数字识别的实现3网络的训练BP网络的训练通常采用traingdx函数来完成。当(1)训练步数大于net.trainParam.epochs、(2)训练误差小于net.trainParam.goal、(3)训练时间超过net.trainParam.time，训练都将自动终止，并返回训练后的神经网络对象。误差变化曲线4网络测试采用含有不同

4、均方差白噪声的输入模式对所设计的神经网络模式识别系统进行仿真根据仿真结果计算误识率，可以检验识别网络系统的性能。误识率与噪声方差的变化关系曲线基于BP神经网络数字识别的实现5网络性能测试为了更形象地演示神经网络的识别过程，可以用所设计的神经网络对一个含有噪声的数字1、8进行识别。基于BP神经网络数字识别的实现含噪声的数字1含噪声的数字8数字8的识别结果数字1的识别结果结束语通过样本数据训练出了具体的用于数字识别神经网络，使得网络具有一定的容错能力。但识别系统的功能还很单一。要设计出高可靠性和高识别率的比较完

5、善的数字识别方法还有待于今后进一步的学习和研究。ThankYou!