人工神经网络BP算法实验报告

人工神经网络实验报告

实验题一、试用人工神经网络BP算法训练一个网络系统，使之能得到????? y＝sin(x)，x∈(0,2π)的逼近曲线，并与期望曲线画在同一坐标纸上。

实验题二、试用人工神经网络BP算法训练一个网络系统，使之能得到????? y＝x1⊕x2，其中x1，x2为0,1。

实验题三、现有如下所示一神经网络框架示意。已有160组4月份各部分的取值信息

试据此，对该神经网络进行建模。

引言:

从书中可知，模糊控制在处理数据、自学习能力等方面还远没有达到人脑的境界。因此需要从人脑的生理学和心理学着手，通过人工模拟人脑的工作激励来实现机器的部分智能行为。人工神经网络就是模拟人脑细胞的分布式工作特点和自组织功能实现并行处理、自学习和非线性映射等能力，是一种典型的智能控制方法。神经网络经历了近半个多世纪的研究和发展取得了重大的进展。神经网络系统实质上是由大量的，同时也是很简单的处理单元（或称神经元）广泛的互相连接而形成的复杂网络系统。它反映了人脑功能的许多基本特性，但它并不是人脑神经系统的真实写照，而只是对其作某种简化、抽象和模拟。神经网络系统是一个高度复杂的非线性动力学系统，虽然每一个神经元的结构和功能十分简单，但有大量神经元构成的网络系统的行为确实丰富多彩和十分复杂的。神经网络系统除了具备一般非线性动力学系统的共性之外，还有一些明显的特点：快速并行处理能力和自学能力。研究神经元网络系统主要有三个方面的内容：神经元模型、神经网络结构、神经网络学习方法。虽然神经网络的组成原理和结构都不尽相同，但是它们都具有学习能力。所谓学习是指神经元系统能根据某种学习方法调整它内部的参数以完成特定的任务的过程。

神经元是生物神经系统的最基本单元，其形状和大小是多种多样的。从组成结构方面来看，各种神经元是有共性的。神经元模型是生物神经元的抽象和模拟。它是模拟生物神经元的结构和功能、并从数学角度抽象出来的一个基本单元。它是神经网络单元的最基本的组成部分。在构造神经网络模型时，首先就要确定处理单元的各种特性。神经元一般是多输入-单输出的非线性器件。常用的神经元非线性特性有以下四种：（1）阈值型；（2）分段线性型；（3）Sigmoid函数型；（4）Tan函数型。

下一页