BP 神经网络原理及应用 1 人工神经网络简介 1.1 生物神经元模型 神经系统的基本构造是神经元（神经细胞），它是处理人体内各部分之间相 互信息传递的基本单元。据神经生物学家研究的结果表明，人的大脑一般有10111010个神经元。每个神经元都由一个细胞体，一个连接其他神经元的轴突和一些向外伸出的其它较短分支——树突组成。轴突的功能是将本神经元的输出信号（兴奋）传递给别的神经元。其末端的许多神经末梢使得兴奋可以同时送给多个神经元。树突的功能是接受来自其它神经元的兴奋。神经元细胞体将接受到的所有信号进行简单地处理后由轴突输出。神经元的树突与另外的神经元的神经末梢相连的部分称为突触。 1.2 人工神经元模型 神经网络是由许多相互连接的处理单元组成。这些处理单元通常线性排列成 组，称为层。每一个处理单元有许多输入量，而对每一个输入量都相应有一个相关 联的权重。处理单元将输入量经过加权求和，并通过传递函数的作用得到输出量， 再传给下一层的神经元。目前人们提出的神经元模型已有很多，其中提出最早且影 响最大的是1943 年心理学家McCu lloch 和数学家Pitts 在分析总结神经元基本特性的基础上首先提出的 M-P 模型，它是大多数神经网络模型的基础。 )()(1nijijijxwftY （1.1） 式(1.1)中,j 为神经元单元的偏置（阈值），jiw 为连接权系数（对于激发状态，jiw 取正值，对于抑制状态，jiw 取负值），n 为输入信号数目，jY 为神经元输出，t 为时间，f()为输出变换函数，有时叫做激发或激励函数，往往采用 0 和 1 二值函数或Ｓ形函数。 1 .3 人工神经网络的基本特性 人工神经网络由神经元模型构成；这种由许多神经元组成的信息处理网络具有并行分布结构。每个神经元具有单一输出，并且能够与其它神经元连接；存在许多（多重）输出连接方法，每种连接方法对应一个连接权系数。严格地说，人工神经网络是一种具有下列特性的有向图： （１）对于每个节点存在一个状态变量 xi； （２）从节点 i 至节点 j，存在一个连接权系数 wji； （３）对于每个节点，存在一个阈值j； （４）对于每个节点，定义一个变换函数( ,,),jijijfx wij,对于最一般的情况，此函数取()jjiijifw x 形式。 1 .4 人工神经网络的主要学习算法 神经网络主要通过两种学习算法进行训练，即指导式（有师）学习算法和非指导式（无师）学习算法。此外，还存在第三种学习算法，即...
