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 可能有连接，因此 输入 信号 要 在 网络中 往 返 传 递 ，从 某一初 态 开 始 ，经过若 干 变 化，渐渐趋 于某一稳 定 状 态 或 进入 周 期震 荡 等 其它状态 ，这方面 典 型的网络有Hopfiled 模型等 。 智能控制 2 2、BP神经网络 BP 算法是利用输出层的误差来估计输出层的直接前导层的误差，再用这个误差 估计更前一层的误差。如此下去，就获得了所有其他各层的误差估计。这样就形成了将输出端表现出的误差沿着与输入信号传送相反的方向逐级向网络的...
