文档介绍：BP 神经网络与 RBF 神经网络主要内容?一:神经网络的背景知识?二: BP 神经网络?三: RBF 神经网络?四:两种神经网络的比较人工神经网络简介?人工神经网络( Artificial work ) 是基于仿生学理论上的对人脑某些已知结构的模仿。它将人脑的神经元连接方式加以抽象。用大量的神经元节点组成一个庞大的神经网络,从而实现数据的非线性处理,以及复杂的逻辑运算。正因为人工神经网络是对生物神经网络的模仿, 它具有一些传统逻辑运算不具有的优点。主要包括: ?一、非线性非线性是自然界的普遍特性。人脑的思考过程就是非线性的。人工神经网络通过模仿人脑神经元结构的信息传递过程,可以进行线性或者非线性的运算,这是人工神经网络的最特出的特性。?二、自适应性神经网络的结构中设置了权值和阈值参数。网络能够随着输入输出端的环境变化,自动调节神经节点上的权值和阈值。因此, 神经网络对在一定范围变化的环境有很强的适应能力。适用于完成信号处理、模式识别、自动控制等任务。系统运行起来也相当稳定。?三、较强的容错性由若干个小的神经元组成的网络十分庞大。信息存储在神经元之间的连接权值上,采用的是分布式的存储方式。局部的或部分的神经元损坏后,不会对全局的活动造成大的影响。神经网络的应用前景?目前,神经网络主要应用于:信息领域、自动化领域、医学领域等。?信息领域:主要包括信号处理和模式识别。目前神经网络被广泛的用于自适应信号处理和非线性信号处理。在这些方面已经有很多成功的例子。例如信号传递的去噪声和运动目标的速度估计。在模式识别方面,神经网络不仅可以完成如图像的特征检测,边缘提取等任务还可以进行如目标跟踪,语音识别等动态识别。神经网络模型包括: ?一、神经元?二、网络拓扑?三、学****算法神经元在介绍人工神经网络之前,首先简单了解一下实际的生物神经元的基本情况。一个生物神经元有两种状态,即兴奋状态和抑制状态。平时处于抑制状态的生物神经元,会收到多个其他生物神经元传来的兴奋电位,并且这多个输入电位在该神经元中以代数和的形式叠加,如果输入的兴奋总量超过某个阈值,该生物神经元就会被激发进入兴奋状态,发出输出脉冲并传给其他神经元。人工神经元模型