hold是什么意思-
基于
BP
神经网络的英文字母识别
摘要：
本文简述了BP
神经网络模型及
BP
学习算法规则，并在
Matlab
中利 用
BP
神经网络
对英文字母进行了识别，经结果分析发现
BP
神经网 络对字母具有一定的辨识能力，是一种
对字母识别的有效方法。
关键词
: BP
神经网络
Matlab
字母识别
Abstract:
This paper first describes the back propagation network model and the rule of back
propagation learning algorithm. And then identified the alphabet in Matlab using the back
propagation network. The results show that the back propagation network has the ability to
identify some of the letters of the alphabet, which is an effective method for character recognition.
Key Words:
Back propagation network;
Matlab;
character recognition
1
引言
20
世纪
80年代中期，学者
Rumelhart
、
McClelland
和他们的同 事提出了多层前馈网络
MFNN(Mutltilayer
Feedforward
Neural
Networks)
的反向传播学习算法，简称
BP
网络
(Back
Propagation
Network)
学习算法。
BP
网络是 对非线性可微分函数进行权值训练的多层前向网
络。
在人工神经网络的实际应用中，
8 0%
～
90%
的模型都采用
BP
网络或其变化形式。
采用< br>BP
算
法的多层前馈网络
,
是迄今为止应用最广泛的神经网络
,
具有很强的非线性逼近能力以及
自适应、自学习能力。
英 文字母识别，
是文字识别中一个重要分支。
由于英文字母字体种类繁多，
因而对英文< br>字母的识别难度很大。针对英文字母的特性，本文基于
BP
算法，设计了一种英文字母 识别
训练系统。
本文主要选取四种大小写英文字母作为训练集样本
,
用设计的
BP
网络对其进行训
练
,
从而得到英文字母的识别结果。
2 BP
神经网络
BP
神经网络作为人工神经网络中应用最广的算法模型，具 有完备的理论体系和学习机
制。
它模仿人脑神经元对外部激励信号的反应过程，
建立多 层感知器模型，
利用信号正向传
播和误差反向调节的学习机制，
通过多次迭代学习，< br>成功地搭建出处理非线性信息的智能化
网络模型。
2.1 BP
神经网络模型
反向传播神经网络（
Back- Propagation Network
，简称
BP
网络）是对非线性可微分函数进行权值训练的多层网络，是前向神经网络的一种。
BP
网络主要用于：
1
）函数逼近与预测分析：用输入矢量和相 应的输出矢量训练一个网络，逼近一个函数
或预测未知信息；
2
）模式识别：用一个特定的输出矢量将它与输入矢量联系起来；
3
）分类：把输入矢量以所定义的合适方式进行分类；
4
）数据压缩：减少输出矢量维数以便于传输与存储。
在人工神 经网络的实际应用中，
80%
－
90%
的神经网络模型是采用
BP
网络或它的变化形
式，它也是前向网络的核心部分，体现了人工神经网络最精华的部分。
BP
神经网络的模型结构如图
1
所示。
j
i
w
ji
w
ki
k
输入层
隐含层
输出层
图
1
具有一个隐含层和输出层的
BP
神经网络模型
B P
网络的激活函数必须是处处可微的，所以它就不能采用二值型的阈值函数
{0
，1}
或符
号函数
{-1
，
1}
，
BP
网络经常使用的是
Sigmoid
函数、正切函数或线性函数。
Sigmoid
型激
活函数具有非线性放大系统功能，它可以将输入从负无穷大到正无穷大的信号，变换成
0
到
1
或
-1
到
1
之间的输出，对较大的输入信号， 放大系数较小；而对较小的输入信号放大
系数较大，
所以采用
Sigmoid 型激活函数可以去处理和逼近非线性的输入
/
输出关系。
不过，
如果在输 出层采用
Sigmoid
型激活函数，
输出则被限制在一个很小的范围内，
若 采用线性激
活函数，则可使网络输出任意值。所以只有当希望对网络的输出进行限制，如限制在
0
和
1
之间，那么在输出层应当包含
Sigmoid
型激活函数。< br>
2.2 BP
学习算法规则
BP
网络是 一种具有三层或三层以上的神经网络，上下层之间实现全连接，而每层神经元
之间无连接。
当一 对学习样本提供给网络后，
神经元的激活值从输入层经各中间层向输出层
传播，
在输出 层的各神经元获得网络的输入响应。
接下来，
按照减少目标输出与实际误差的
方向，< br>从输出层经过各中间层逐层修正各连接权值，最后回到输入层，
这种算法称为“误差
逆传 播算法”，即
BP
算法。
从大的方面来说，
学习 算法可分为两类：
有监督的学习算法和无监督的学习算法。
对于
有监督的学习算法，< br>学习和应用是分开的两个过程。
学习过程是一个外加的对神经网络的连
接强度进行系统调 整的过程，
而应用过程则是一个自治的动力学过程。
通俗的说，
这种神经
网络 就是“先学习，
再使用”。
而无监督的学习算法中的学习过程和应用过程是一个统一的
过程。
它不需要单独的学习过程，
而是在与外界环境的不断交互作用中达到自组织学习，
也
就是“边干边学，干中学，学中干”。
BP
算法属于一种有监 督的学习算法。其主要思想是：对
n
个输入学习样本：
X
1
，
X
2
，
…
，
X
n
，已知其对应的输出样本为：< br>T
1
，
T
2
，
…
，
T
m< br>。学习的目的是用网络的实
际输出
Y
1
，
Y
2
，
…
，
Y
m
与目标矢量
T
1
，
T
2
，
…
，
T
m
之间的误差来修正其权值，使实际 输
出与目标矢量尽可能地接近；
即：
使网络输出层的误差平方和达到最小。
它 是通过连续不断
地在相对于误差函数斜率下降的方向上计算网络权值和偏差的变化而逐渐逼近目标的。< br>
BP
算法由两部分组成：信息的正向传递与误差的反向传播。在正向传递 过程中，输入
信息从输入层经隐含层逐层计算传向输出层，
每一层神经元的状态只影响下一层神 经元的状
态。如果在输出层没有得到期望的输出，
则计算输出层的误差变化值，
然后反 向传播，
通过
网络将误差信号沿原来的连接通路反传回来，修改各层神经元的权值直至达到期望 目标。
hold是什么意思-
hold是什么意思-
hold是什么意思-
hold是什么意思-
hold是什么意思-
hold是什么意思-
hold是什么意思-
hold是什么意思-
本文更新与2021-01-21 20:56，由作者提供，不代表本网站立场，转载请注明出处：https://www.bjmy2z.cn/gaokao/546146.html
-
上一篇：听障儿童听觉口语教学五大领域目标
下一篇：美军关于地理空间情报领域的一些名言警句