神经网络及其matlab仿真

本文进行了神经网络原理简介，并对蜢虫分类问题进行了matlab仿真。
一、神经网络介绍
神经网络是由具有适应性的简单单元组成的广泛并行互联的网络，它的组织能够模拟生物神经系统对真实世界物体作出的交互反应。
神经网络中最基本的成分是神经元（neuron）模型，即简单神经元。
（1）神经元：模拟人体结构，将数据输入神经元，中间通过激活函数f（x），即一组算法，输出结果。它是组成神经网络的最小单位。
神经元示意图如下图所示：

                  图1 神经元示意图

为输入向量的各个分量；为神经元各个突触的权值；系数1与为偏置；f为传递函数，通常为非线性函数；t为神经元输出。

（2）神经网络
由无数个（人工）神经元组成的神经元网络即为（人工）神经网络。
神经网络需要按照一定的规则进行学习，它的参数权值（以上图为例说明），即为学习成果。通过学习减少神经网络下次犯同样错误的可能性，达到这一目标后，网络才能开展工作。网络学习时，首先给网络的各连接权值赋予（0，1）区间内的随机值，网络将输入模式加权求和、与门限比较，再进行非线性运算。
神经元收到的总输入值与神经元的阈值比较，然后通过激活函数（activation function）处理以产生神经元的输出。一般激活函数为Sigmoid函数（逻辑回归中使用的），该函数连续、可导，具有很好的数学特性。