文档介绍：安阳师范学院本科学生毕业论文
基于BP神经网络的应用
作者
院(系) 物理与电气工程学院
专业电子信息工程
年级 10级
学号 101102056
指导教师
日期
基于BP神经网络的应用
(安阳师范学院物理与电气工程学院,河南安阳 455000)
摘要:神经网络是近年来信息科学、脑科学、神经心理学等诸多学科共同关注和研究的热点。由于其具有良好的抽象分类特性现已应用于图像识别系统的研究和开发,并成为解决识别相关问题的有效工具。文章在讲述图像识别过程的基础上重点讨论利用BP神经网络对人脸进行识别,用MATLAB完成对神经网络的训练和测试,并获得满意的结果。
关键词:人脸识别;图像识别;BP神经网络
1 引言
设计的目的和意义
人脸识别技术具有广泛的应用前景,在国家安全、军事安全和公共安全领域,智能门禁、智能视频监控、公安布控、海关身份验证、司机驾照验证等是典型的应用;在民事和经济领域,各类银行卡、金融卡、信用卡、储蓄卡的持卡人的身份验证,社会保险人的身份验证等具有重要的应用价值;在家庭娱乐等领域,人脸识别也具有一些有趣有益的应用,比如能够识别主人身份的智能玩具、家政机器人,具有真实面像的虚拟游戏玩家等等。
人工神经网络模式识别方法是近些年提出的新方法,为字符识别研究提供了一种新手段,它具有一些传统技术所没有的优点:良好的容错能力、分类能力强、并行处理能力和自学****能力。因而,采用神经网络识别方式是一种很好的选择。
本课题的研究内容
第一部分为引言部分,指出课题研究目的和意义、课题主要完成的工作;
第二部分介绍了BP神经网络,涵盖BP算法、BP神经网络的基本原理及模型、BP算法的步骤,还介绍了BP神经网络的主要功能;
第三部分介绍了基于BP神经网络的人脸识别技术的研究,主要包括BP神经网络分类器的设计、BP神经网络应用的程序设计、设计仿真结果;
第四部分介绍了BP神经网络进行的优化及技术改进,通过系统设计的实现,用实验验证其有效性;
第五部分为论文的结语部分,对本课题的设计进行了总结。
2 神经网络的基本原理
BP算法的概述
人工神经网络(Artificial works,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connectionist Model),它是一种模范动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。
人工神经网络发展的主要历程有:20世纪50年代末,Rosenblatt提出的感知器模型和Widrow提出的自适应线性元件,出现了简单的线性分类器;1986年,Rumelhart和Mcllelland 提出了层网络“误差反向传播算法(BP)”,使有导师学****多层感知器网络(ML PN)模式分类器走向实用化
,在此基础上又派生出若干前向网络,如径向基函数网络( RBFN)和函数链网络等;1982年,美国加州工学院的物理学家Hopfield提出的一种用于联想记忆和优化计算的反馈网络模型,由于引进了“能量函数”的概念,使网络走向具体电路有了保证;20世纪 70年代,Watanabe 提出了使用模式子空间的概念来设计不同类别对应的子空间,由不同类别聚类的子空间实现模式识别; Kohonen提出的自组织特征映射网络模型等都为神经网络模式识别理论提供了进一步的根据。
构***工神经网络的三个基本要素是:神经元、络拓扑结构和网络的训练(学****方法。神经元(节点)的作用是把若干输入加权求和,并对这种加权和进行非线性处理后输出。神经元的选择一般有以下特点:每个神经元都具有多个输入、个输出,具有闭值,采用非线性函数。
BP神经网络模型及其基本原理
BP网络是一种多层前馈神经网络,由输入层、隐层和输出层组成。图1为一个典型的三层BP网络的拓扑结构,层与层之间采用全互连方式,同一层之间不存在相互连接,隐层可以有一层或多层。层与层之间有两种信号在流通:一种是工作信号(用实线表示),它是施加输入信号后向前传播直到在输出端产生实际输出的信号,是输入和权值的函数。另一种是误差信号(用虚线表示),网络实际输出与期望输出间的差值即为误差,它由输出端开始逐层向后传播。BP网络的学****过程程由前向计算过程和误差反向传播过程组成。在前向计算过程中,输入量从输入层经隐层逐层计算,并传向输出层,每层神经元的状态只影响下一层神经元的状态。如输出层不能得到期望的输出,则转入误差反向传播过程,误差信号沿原来的连接通路返回,逐次调整网络各层的权值和阈值,直至到达输入层,再重复向计算。这两个过程一次反复进行,不断调整各层的权值和阈值,使得网络误差最