用BP网络算法实现对含噪声0到9数字的识别

http://210.77.192.38/bugzhao/_ALL_OTHERs/MyWork/Articles/BPnet/bpnet.pdf

我已经做成一个pdf文件了

完整的原文可以下载这个pdf阅读

摘要如下：

摘要：

     反向传播网络(Back propagation Network，简称BP网络)是对非线形可微分函数进行权值训练的多层前向网络。BP网络可以看作是对多层感知器网络的扩展，即信息的正向传播及误差数据的反向传递。BP网络主要可以应用于模式分类、函数逼近以及数据压缩等等。本文介绍了一种较为简单的三层BP网络模型，并将其应用于一个实例：数字0到9的识别。文中将给出BP网络的原理、设计该BP网络的过程以及具体的实现、方案的改进。同时附有大量的实验数据。程序采用VC++6.0编写，具备友好的GUI界面。

 

关键字：

       人工神经网络，BP网络，反向传播算法，数字识别

 

 

Abstract:

          Back propagation Network(short for BP net) is an classical ANN that convey information forwardly and just accept errors backwordly to ajust weight of the network so as to meet the LMS .BP net is based on the multiplayer perceptron network. It could be mainly used in the field of  pattern classification ,function approximation and data compression.This paper primarily introduce the priciple of a classical 3-layer BP net,and give an practical example ,that is: noised digital number(0 to 9) recognition.The designing process is well described and also ,I give an implication program of it ,developed using Visual C++ 6.0. Plenty of tables and graphs are also included in this article  when necessary.

 

Keywords:

   ANN, Back propagation network, BP, digital number recognition

 

1. 导论:  神经网络及BP网络概述

 

         在这里，我简要的对人工神经网络的大体发展脉络，尤其是BP网络的原理做一简单的概述。

        人工神经网络，即从生物学神经系统的信号传递而抽象发展而成的一门学科。在神经网络中，最基本的单元就是神经元。神经元由三部分组成：树突、细胞体和轴突。树突是树状的神经纤维接受网络，它将电信号传递给细胞体，细胞体对这些输入信号进行整合并进行阀值处理。轴突是单根长纤维，它把细胞体的输出信号导向其他的神经元。神经元的排列拓扑结构和突触的连接强度确立了神经网络的功能。

一些神经结构是与生俱来的，而其他部分则是在学习过程中形成的。在学习的过程中，可能会产生一些新的连接，也可能一些连接要消失，但主要的改变是加强或减弱突触的链接。

上图是将生物神经元模型抽象成一个信号传递、反馈的数学模型。