模式识别实验.doc

《模式识别实验.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、实验报告姓名：学号：院系：电子与信息工程学院课程名称：模式识别实验名称：神经网络用于模式识别同组人：实验成绩：总成绩：教师评语教师签字：年月日1实验目的1．掌握人工神经网络的基本结构与原理，理解神经网络在模式识别中的应用；2．学会使用多输入多输出结构，构造三层神经网络并对给定的样本进行分类；3．分析学习效率，惯性系数，总的迭代次数，训练控制误差，初始化权值以及隐层节点数对网络性能的影响；4．采用批处理BP重复算法进行分类，结果与三层神经网络进行对比。2原理2.1人工神经网络人工神经网络（ArtificialNeuralNetwork，即ANN），是20世纪80年代以来人

2、工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activationfunction）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。最近十多年来，人工

3、神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。2.1.1人工神经元图1生物神经元神经元是大脑处理信息的基本单元，以细胞体为主体，由许多向周围延伸的不规则树枝状纤维构成的神经细胞，其形状很像一棵枯树的枝干。它主要由细胞体、树突、轴突和突触(Synapse，又称神经键)组成。胞体：是神经细胞的本体（可看成系统）；树突：长度较短，接受自其他神经元的信号（输入）；轴突：它用以输出信号；突触：它是一个神经元与另一个神经元相联系的部位，是一

4、个神经元轴突的端部将信号（兴奋）传递给下一个神经元的树突或胞体；对树突的突触多为兴奋性的，使下一个神经元兴奋；而对胞体的突触多为抑制性，其作用是阻止下一个神经元兴奋。一个神经元有两种状态：兴奋和抑制。平时处于抑制状态的神经元，其树突和胞体接收其他神经元经由突触传来的兴奋电位；多个输入在神经元中以代数和的方式叠加；如果输入兴奋总量超过某个阈值，神经元就会被激发进入兴奋状态，发出输出脉冲，并由轴突的突触传递给其他神经元。神经元被触发之后有一个不应期，在此期间内不能被触发，然后阈值逐渐下降，恢复兴奋性。图2人工神经元输入：相当于其他神经元的输出；权值：相当于突触的连接强度；：

5、是一个非线性函数，如阈值函数或Sigmoid函数。神经元的动作：，。当为阈值函数时，其输出为：，也可写为：或：。其中：，，。选取不同的输出函数，的取值范围也不同。若：，则或，若：，则某些算法要求可微，此时通常选用Sigmoid函数：，则或：，则。Sigmoid函数的特性：(1)非线性，单调性；(2)无限次可微；(3)当权值很大时可近似阈值函数，当权值很小时可近似线性函数。1.1.1神经元的学习算法—Hebb学习规则如果神经元接收来自另一神经元的输出，则当这两个神经元同时兴奋时，从到的权值就得到加强。具体到前述的神经元模型，可以将Hebb规则表现为如下的算法：式中是对第个

6、权值的修正量，是控制学习速度的系数。太大会影响训练的稳定性，太小则使训练的收敛速度变慢，一般取。人工神经网络首先要以一定的学习准则进行学习，然后才能工作。1.1.2基本特征人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。人工神经网络具有四个基本特征：图3典型的神经网络结构1．非线性：非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性关系。具有阈值的神经元构成的网络具有更好的

7、性能，可以提高容错性和存储容量。2．非局限性：一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联想记忆是非局限性的典型例子。3．非常定性：人工神经网络具有自适应、自组织、自学习能力。神经网络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化。经常采用迭代过程描写动力系统的演化过程。4．非凸性：一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例如能量函数，它的极值相应