神經(jīng)網(wǎng)絡(luò)的應(yīng)用論文

1、神經(jīng)網(wǎng)絡(luò)的原理及應(yīng)用摘要摘要：通過閱讀相關(guān)文獻，總結(jié)了神經(jīng)網(wǎng)絡(luò)方面的基本原理和應(yīng)用。首先介紹了Hopfield神經(jīng)網(wǎng)絡(luò)中的離散型網(wǎng)絡(luò)，并介紹其實現(xiàn)交通標志的步驟。隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，其局限性日益凸顯。為此，科學家們提出了與其它方法結(jié)合的神經(jīng)網(wǎng)絡(luò)。本文介紹了遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的原理及在在壩基巖體滲透系數(shù)識別中的應(yīng)用，還介紹了模糊神經(jīng)網(wǎng)絡(luò)的原理及在預測地基沉降量中的應(yīng)用，最后介紹了小波神經(jīng)網(wǎng)絡(luò)的原理及在電力負荷預測中的應(yīng)用。關(guān)鍵字：關(guān)

2、鍵字：神經(jīng)網(wǎng)絡(luò)、Hopfield、遺傳算法、模糊神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)一、離散型Hopfield神經(jīng)網(wǎng)絡(luò)在交通標志識別中的應(yīng)用Hopfield神經(jīng)網(wǎng)絡(luò)是一種互聯(lián)型神經(jīng)網(wǎng)絡(luò)，其演變過程是一個非線性動力學系統(tǒng)，可以用一組非線性差分方程（離散型）或微分方程（連續(xù)型）來描述。系統(tǒng)的穩(wěn)定性可用所謂的“能量函數(shù)”來分析。在滿足條件的情況下，某種“能量函數(shù)”的能量在網(wǎng)絡(luò)運行過程中不斷減少，最后趨于穩(wěn)定的平衡狀態(tài)。對于一個非線性動力學系統(tǒng)，系統(tǒng)狀態(tài)從某

3、一初值出發(fā)經(jīng)過演變后可能有如下幾種結(jié)果：漸進穩(wěn)定點（吸引子）、極限環(huán)、混沌、狀態(tài)發(fā)散。因為人工神經(jīng)網(wǎng)絡(luò)的變換函數(shù)是一個有界函數(shù)，故系統(tǒng)的狀態(tài)不會發(fā)生發(fā)散現(xiàn)象。目前，人工神經(jīng)網(wǎng)絡(luò)經(jīng)常利用漸進穩(wěn)定點來解決某些問題。如果把系統(tǒng)的穩(wěn)定點視為一個記憶，那么這個初態(tài)朝這個穩(wěn)定點的演變過程就是一個尋找記憶的過程。如果把系統(tǒng)的穩(wěn)定點視為能量的極小點，而把能量函數(shù)視為一個優(yōu)化問題的目標函數(shù)，那么從初態(tài)朝這個穩(wěn)定點的演變過程就是一個求解該優(yōu)化問題的過程。因

4、此，Hopfield神經(jīng)網(wǎng)絡(luò)的演變過程是一個計算聯(lián)想或求解優(yōu)化問題的過程。實際上，它的解決并不需要真的去計算，而是通過構(gòu)成反饋神經(jīng)網(wǎng)絡(luò)，適當?shù)卦O(shè)計其連接權(quán)和輸入就可以達到這個目的。1.1離散型Hopfield神經(jīng)網(wǎng)絡(luò)的工作方式離散型Hopfield神經(jīng)網(wǎng)絡(luò)（DHNN）是一種單層的、輸入輸出為二值的反饋網(wǎng)絡(luò)。DHNN主要用于聯(lián)想記憶。網(wǎng)絡(luò)的能量函數(shù)存在著一個或多個極小點或平衡點。當網(wǎng)絡(luò)的初始姿態(tài)確定后，網(wǎng)絡(luò)的狀態(tài)按其工作規(guī)則向能量遞減的方