BP 神经网络实例 智能控制 1 第一章 BP 神经网络基本原理 一、BP神经网络基本概念 1、人工神经网络 人工神经网络ANN（Artificial Neural Network），是对人类大脑系统的一阶特性的一种描述
简单地讲，它是一个数学模型，可以用电子线路来实现，也可以用计算机程序来模拟，是人工智能研究地一种方法
近年来发展迅速并逐渐成熟的一种人工智能技术，其来源于对神经元细胞的模拟
人工神经网络具有以下三个特点:信息分布表示，运算全局并行与局部操作，信息非线性处理
由于这三个特点，使得由人工神经网络构成的分类器具有强大的数据拟和与泛化能力，因而广泛运用于模式识别与机器学习领域
神经网络模式识别的过程分为两步:首先是学习过程，通过大量的训练样本，对网络进行训练，根据某种学习规则不断对连接权值进行调节，然后使网络具有某种期望的输出，这种输出就 可以将 训练样本正 确 分类到 其所 属 类别中 去 ，此时 可以认 为网络是学习到 了 输入 数据或 样本间 的内 在 规律
接下来是分类过程，应 用前 面 学习过程所 训练好 的权值，对任 意 送 入 网络的样本进行分类
人工神经网络模型各 种各 样，目 前 已 有数十 种
他 们 从 各 个角 度 对生 物 神经系统的不同 层 次 进行了 描述和模拟
代 表模型有感 知 机、多 层 映 射BP 网、RBF网络、HoPfiled 模型、Boit~机等 等
虽 然人工神经网络有很 多 模型，但 按 神经元的连接方式只 有两种型态 :没 有反 馈 的前 向 网络和相 互 结 合 型网络
前 向 网络是多 层 映 射 网络，每 一层 中 的神经元只 接受 来自 前 一层 神经元的信号 ，因此 信号 的传 播 是单方向 的
BP 网络是这类网络中 最 典 型的例 子
在 相 互 结 合 型网络中 ，任 意 两个神经元都 可能
