1 

人工智能和神经网络

摘要

BP

神经网络是目前研究最为成熟、应用最为广泛的人工神经网

络模型之一，被广泛应用于自动控制、模式识别、图像识别、信号处

理、预测、函数拟合、系统仿真等学科和领域中。其中模式识别是神

经网络最有前景的应用领域之一。

本文首先详细介绍了应用神经网络

进行模式识别的发展概况

,

通过与传统模式识别的比较

,

得出神经网络

模式识别的优越性。

针对已有的神经网络模式识别系统，

本文介绍了

该系统中使用最广泛的

BP

神经网络，通过对其关键技术及算法的研

究，针对

BP

算法的不足，提出了

BP

算法的启发式改进。本文结合

遗传算法对

BP

算法进行优化，建立了改进的

GA

-

BP

神经网络模型。

然后具体研究

3

种模式识别，提出了一种利用传统

BP(Back

-

Propagation

误差逆传播

)

网，能够在合理的误差范围内以较

好的效率成功识别字符

;

基于

BP

神经网络原理对手写数字进行识，

通

过对

1000

个手写数字的识别，证实本方法在手写数字识别方面的有

效性

;

利用

BP

神经网络的理论知识，

研究人脸识别技术，

对图像中人

脸朝向判别进行实验研究。

一、人工神经网络概述

人工神经网络

(

ANN

)

是一种用计算机网络系统模拟生物神经网

络的智能神经系统，

它是在现代神经生物学研究成果的基础上发展起

来的，

模拟人脑信息处理机制的一种网络系统，

它不但具有处理数值

数据的计算能力，而且还具有处理知识的学习、联想和记忆能力。

人工神经网络模拟了大脑神经元的组织方式，

反映了人脑的一些