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