文档介绍：人工神经网络目录第一部分:绪论                8第二部分:反向传播网络    :              11第三部分:自适应竞争神经网络                    15第四部分:地震预报的MATLAB实现                  19第五部分:作业  21第一部分:,“人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。”(work,ANN)结构和工作机理基本上以人脑的组织结构(大脑神经元网络)和活动规律为背景的,它反映了人脑的某些基本特征,但并不是要对人脑部分的真实再现,可以说它是某种抽象、简化或模仿。,人脑大约由1011个神经元组成,神经元互相连接成神经网络。神经元以细胞体为主体,由许多向周围延伸的不规则树枝状纤维构成的神经细胞,其形状很像一棵枯树的枝干。主要由细胞体、树突、轴突和突触(Synapse,又称神经键)组成。 生物神经元的示意图生物神经元传递信息的过程为多输入、单输出,神经元各组成部分的功能来看,信息的处理与传递主要发生在突触附近,当神经元细胞体通过轴突传到突触前膜的脉冲幅度达到一定强度,即超过其阈值电位后,突触前膜将向突触间隙释放神经传递的化学物质,突触有两种类型,兴奋性突触和抑制性突触。前者产生正突触后电位,后者产生负突触后电位。=σ(s)(a) 2从输出到输入有反馈的前向网络(b)3用来存储某种模式序列,层内互连前向网络(c)4限制层内同时动作的神经元;分组功能相互结合型网络(d))阈值单元σ(s)=    (b)线性单元y=σ(s)=s(c)(d)非线性单元:(监督学****无监督学****再励学****第二部分:(Back-work,简称BP网络)是将W-H学****规则一般化,对非线性可微分函数进行权值训练的多层网络。权值的调整采用反向传播(Back-propagation)的学****算法,它是一种多层前向反馈神经网络,其神经元的变换函数是S型函数。输出量为0到1之间的连续量,它可实现从输入到输出的任意的非线性映射。:(1)函数逼近:用输入矢量和相应的输出矢量训练一个网络逼近一个函数(2)模式识别和分类:用一个特定的输出矢量将它与输入矢量联系起来;把输入矢量以所定义的合适方式进行分类;(3)数据压缩:减少输出矢量维数以便于传输或存储(4)具有将强泛化性能:使网络平滑地学****函数,使网络能够合理地响应被训练以外的输入泛化性能只对被训练的输入/输出对最大值范围内的数据有效,即网络具有内插值特性,不具有外插值性。(1)输入和输出是并行的模拟量(2)网络的输入输出关系是各层连接的权因子决定,没有固定的算法(3)权因子通过学****信号调节。学****越多,网络越聪明(4)隐含层越多,网络输出精度越高,且个别权因子的损坏不会对网络输出产生大的影响只有当希望对网络的输出进行限制,如限制在0和1之间,那么在输出层应当包含S型激活函数。在一般情况下,均是在隐含层采用S型激活函数,而输出层采用线性激活函数。