神经网络课程大作业

《神经网络课程大作业》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、目录摘要1Abstract11绪论21.1人工神经网络概述21.2人工神经网络的基本模型31.3人工神经网络的特点51.4人工神经网络的分类52神经网络发展62.1早期阶段62.2过渡阶段62.3复兴时期72.4发展时期73神经网络基本原理93.1人工神经网络的工作机理93.2人工神经网络的互连方式94其他神经网络124.1回归神经网络（RNN）124.2卷积神经网络（CNN）124.3模糊神经网络135深度学习的发展与应用155.1深度学习在语音识别中的应用155.2深度学习在语言处理中的应用16总结17参考文献18摘要神经控制是一种新型的控制系统,其在动态模拟、建模和

2、控制方面应用广泛。人工神经网络是人工智能的重要分支，具有自适应、自组织和自学习的特点。回顾了人工神经网络理论的发展历史，并介绍了其在信息、医学、经济、控制等领域的应用及研究现状。随着人们对人工神经网络不断地探索和研究，并将其与一些传统方法相结合，将推动人工智能的发展，在以后的生产生活中发挥更大的作用。关键词：人工神经网络；应用；现状；发展AbstractNeuralcontrolisanewtypeofcontrolsysteminthedynamicsimulation,modelingandcontrolapplications.Asanimportantbranch

3、ofartificialintelligence，artificialneuralnetworkownthecharacteristicsofself-adaption,self-organizationandself-learning.Reviewthedevelopmenthistoryofartificialneuralnetworktheoryanditsapplicationandresearchstatusinthefieldofinformation，medicine，economic，controlandothersareintroduced.Ascont

4、inuousexploringandresearchingthecombinationofartificialneuralnetworkandsometraditionalmethodswillpromotethedevelopmentofartificialintelligenceandplayabiggerroleintheproductionandlivinglater.Keywords:ArtificialNeuralNetwork；application；currentsituation；prospect181绪论1.1人工神经网络概述人工神经网络是对生理学上真

5、实人脑生物神经元网络的结构、功能、以及若干基本特性的某种理论抽象、简化和模拟，它实际上是一种复杂的信息处理系统，是由大量神经元通过极其丰富和完善的联接而构成的自适应非线性动态系统。众所周知，人类的智能来源于大脑，而大脑是由大量生物神经元（生物神经细胞）组成的，众多的生物神经元按照某种方式相互连接，形成了人脑内部的生理神经网络，也就形成了人体内结构复杂的信息处理中心。医学研究表明，人脑的学习过程就是神经元之间连接强度随外部激励信息做自适应变化的过程，大脑处理信息的结果由神经元的状态表现出来。图1-1神经网络结构示意图神经元在结构上由细胞体、树突、轴突和突触四部分组成。树突是

6、精致的管状延伸物，是细胞体向外延伸出的许多较短的分支，围绕细胞体形成灌木丛状，他们的作用是接受来自四面八方传入的神经冲击信息，相当于细胞的“输入端”信息从树突出发，经过细胞体，然后由轴突传出。轴突是由细胞体向外伸出的最长的一条分支，形成一条通路，信号能经过此通路从细胞体长距离地传送到脑神经系统的其他部分，其相当于细胞的“输出端”。突触是神经元之间通过一个神经元的轴突末梢和其他神经元的细胞体或树突进行通信连接，这种连接相当于神经元之间的输入输出的接口。181.2人工神经网络的基本模型人工神经网络是对生物神经网络的工作原理和功能的抽象和模拟，它的构成以一定的数学模型为依据，以

7、数值的输入、输出反映系统对激励的响应结果。因此，功能和解决方案不同的人工神经网络，具有不同的数学模型，下面简要介绍几种典型的人工神经网络数学模型：图1-2人工神经元模型（1）MP模型由美国心理学家WarrenMcCulloch和数学家WalterHPitters提出的形式神经元数学模型(MP模型)，它是人工神经网络理论研究的基础。它假设有N个神经元互连，每个神经元的活性状态ai(i=1,2,3,4…，N)取0或1，分别表示抑制或兴奋，每个神经元的状态按照公式(1－1)所表示的规则受其他神经元的制约：ai=fj=1Nwijai-