改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用及研究.pdf

1、人工神經(jīng)網(wǎng)絡(luò)具有強大的非線性映射能力，已經(jīng)被應(yīng)用于模式識別、智能控制、圖像處理以及時間序列分析等各種領(lǐng)域，它特有的自組織、自學(xué)習(xí)和高容錯性等功能使得其在解決復(fù)雜的非線性問題時有獨特的功效，成為國內(nèi)外廣泛關(guān)注的熱點。
　　 本文首先詳細(xì)介紹了應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識別的發(fā)展概況，通過與傳統(tǒng)模式識別的比較，得出神經(jīng)網(wǎng)絡(luò)模式識別的優(yōu)越性。針對已有的神經(jīng)網(wǎng)絡(luò)模式識別系統(tǒng)，本文介紹了該系統(tǒng)中使用最廣泛的BP神經(jīng)網(wǎng)絡(luò)，通過對其關(guān)鍵技術(shù)及算法的

2、研究，針對BP算法的不足，提出了BP算法的啟發(fā)式改進(jìn)，同時，通過對遺傳神經(jīng)網(wǎng)絡(luò)模型及其算法進(jìn)行分析和研究，針對遺傳算法的主要缺陷介紹了幾種常用的改進(jìn)類型。
　　 本文結(jié)合遺傳算法對BP算法進(jìn)行優(yōu)化，建立了改進(jìn)的GA-BP神經(jīng)網(wǎng)絡(luò)模型。最后，充分利用VC++和MATLAB兩種語言的各自優(yōu)勢，進(jìn)行混合編程，設(shè)計開發(fā)了基于GA-BP算法的遺傳BP神經(jīng)網(wǎng)絡(luò)模式識別系統(tǒng)，并投入實際應(yīng)用。并利用該模型對兩個實際的模式識別問題進(jìn)行了模式分類訓(xùn)