二○二一 年 四 月
神经网络算法及案例分析
摘要：神经网络(Artificial Neural Networks，ANN)是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。BP(Back Propagation)算法又称为误差 反向传播算法，是人工神经网络中的一种监督式的学习算法。BP 神经网络算法在理论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定，灵活性很大，在优化、信号处理与模式识别、智能控制、故障诊断等许 多领域都有着广泛的应用前景。
关键词：感知机，BP算法，深度学习
引言
神经网络（Neural Network ,NN）,是由大量处理单元广泛互联而成的网络，是对大脑的抽象，简化和模拟。它与人脑的相似之处在于两方面：
1.通过学习过程利用神经网络从外部环境中获取知识
2.内部神经元用来存储获取的知识信息
神经网络发展历程
神经网络是一门崭新的信息处理科学, 是用来模拟人脑结构和智能的一个前沿研究领域, 因其具有独特的结构和处理信息的方法, 使其在许多实际应用中取得了显著成效。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
