数据挖掘——BP神经网络湖南大学工商管理学院兰秋军博士副教授内容神经网络概述BP神经网络神经网络概述神经网络概述导言人工神经网络是近年来得到迅速发展的一个前沿课题。神经网络由于其大规模并行处理、容错性、自组织和自适应能力和联想功能强等特点，已成为解决很多问题的有力工具。本讲对神经网络原理作简单介绍，然后介绍其在经济预测中的案例。人工神经网络是近年来得到迅速发展的一个前沿课题。神经网络由于其大规模并行处理、容错性、自组织和自适应能力和联想功能强等特点，已成为解决很多问题的有力工具。本讲对神经网络原理作简单介绍，然后介绍其在经济预测中的案例。脑神经信息活动的特征巨量并行性。信息处理和存储单元结合在一起。自组织自学习功能。神经网络研究的发展最早的研究可以追溯到最早的研究可以追溯到2020世纪世纪4040年代。年代。19431943年，心理学家年，心理学家McCullochMcCulloch和数学家和数学家PittsPitts合作提出了形式神经元的数学模型合作提出了形式神经元的数学模型。这一模型一般被简称。这一模型一般被简称M-PM-P神经网络模型，至今仍在应用，可以说，人工神经网络的研究时代，就由此开始了。神经网络模型，至今仍在应用，可以说，人工神经网络的研究时代，就由此开始了。19491949年，心理学家年，心理学家HebbHebb提出神经系统的学习规则，为神经网络的学习算法奠定了基础。现在，这个规则被称为提出神经系统的学习规则，为神经网络的学习算法奠定了基础。现在，这个规则被称为HebbHebb规则规则，许多人工神经网络的学习还遵循这一规则。，许多人工神经网络的学习还遵循这一规则。神经网络研究的发展19571957年年,F.Rosenblatt,F.Rosenblatt提出“感知器”提出“感知器”(Perceptron)(Perceptron)模型，第一次把神经网络的研究从纯理论的探讨付诸工程实模型，第一次把神经网络的研究从纯理论的探讨付诸工程实践，掀起了人工神经网络研究的第一次高潮。践，掀起了人工神经网络研究的第一次高潮。2020世纪世纪6060年代以后，数字计算机的发展达到全盛时期，人们误以为数字计算机可以解决人工智能、专家系统、模年代以后，数字计算机的发展达到全盛时期，人们误以为数字计算机可以解决人工智能、专家系统、模式识别问题，而放松了对“感知器”的研究。于是，从式识别问题，而放松了对“感知器”的研究。于是，从2020世纪世纪6060年代末期起，人工神经网络的研究进入了低潮年代末期起，人工神经网络的研究进入了低潮神经网络研究的发展19821982年，美国加州工学院物理学家年，美国加州工学院物理学家HopfieldHopfield提出了离散的神经网络模型，标志着神经网络的研究又进入提出了离散的神经网络模型，标志着神经网络的研究又进入了一个新高潮。了一个新高潮。19841984年，年，HopfieldHopfield又提出连续神经网络模型，开拓了计算机应用神经网络的新途径。又提出连续神经网络模型，开拓了计算机应用神经网络的新途径。19861986年，年，RumelhartRumelhart和和MeclellandMeclelland提出多层网络的误差反向传播提出多层网络的误差反向传播(BackPropagation)(BackPropagation)学习算法，简称学习算法，简称BPBP算法。算法。BPBP算法是目前最为重要、应用最广的人工神经网络算法之一。算法是目前最为重要、应用最广的人工神经网络算法之一。自自2020世纪世纪8080年代中期以来，世界上许多国家掀起了神经网络的研究热潮，可以说神经网络已成为国际上年代中期以来，世界上许多国家掀起了神经网络的研究热潮，可以说神经网络已成为国际上的一个研究热点。的一个研究热点。生物神经元模型树突树突轴突轴突神经末梢神经末梢细胞体细胞体树突：树突：细胞的细胞的输入输入端，接受外界端，接受外界的神经冲动的神经冲动轴突轴突：细胞的：细胞的输出输出端，传出神经端，传出神经冲动冲动细胞体细胞体::处理神经冲动，有处理神经冲动，有两种两种工作状态：当传入神经冲动使细工作状态：当传入神经冲动使细胞膜电位升高到阈值胞膜电位升高到阈值((约约40m40mVV）时，进入）时，进入兴奋状态兴奋状态产生神经产生神经冲动，由轴...
