bp神经网络手写识别 基于BP神经网络的手写英文字母识别_图文.doc

bp神经网络手写识别 基于BP神经网络的手写英文字母识别_图文 导读：就爱阅读网友为您分享以下“基于BP神经网络的手写英文字母识别_图文”的资讯，希望对您有所帮助，感谢您对92的支持! 成为第一个用于解决实际问题的人工神经网络。 １９６９年，人工智能创始人之一明斯基（Ｍ．Ｍｉｎｓｋｙ）和帕伯特（Ｓ．Ｐａｐｅｒｔ）在合著的《感知器》一书中对以单层感知器为代表的简单人上神经网络的功能及其局限性从数学上进行了深入的分析，使得当时许多神经网络研究者感到前途渺茫，客观上对神经网络理论的发展起了一定的消极作用。 １９８２年，美国学者霍普菲尔德（Ｈｏｐｆｉｅｌｄ）提出了一种反馈神经网络［２３１，用于联想记忆和优化计算。１９８４年，Ｈｏｐｆｉｅｌｄ又提出了连续的Ｈｏｐｆｉｅｌｄ神经网络模型【２４１，将神经元的响应函数由离散的二值改为连续的模拟值。 １９８６年，儒默哈特（Ｄ．Ｅ．Ｒｕｍｅｌｈａｒｔ）等人提出了解决多层神经网络权值修正的算法——误差反向传播法（ＢＰ算法），成为当前应用最为广泛的神经网络模型【２５１，找到了解决明斯基和帕伯特提出的问题的办法，从而给人工神经网络增添了活力，使其得以全面迅速地恢复发展起来【姗。 １９８７年６月在美国圣地亚哥召开了第一届世界神经网络会议，标志着神经网络研究在世界范围内形成了高潮。进入９０年代后，神经网络的国际会议接连不断。１９８９年我国在广州召开了全国第一届神经刚络信号处理会议１９９１年在南 京召开了中国第二届神经网络学术大会。此后，在１９９２、１９９３、１９９４、１９９５ 年又分别召开Ｊ，第三、四、五、六届Ｃ２Ｎ２人会。 ２．１．２主要特点 １．高度的并行性 人工神经网络是由许多相同的简单处理单元并联组合而成，虽然每个单元的功能简单，但大量简单单元的并行活动，但其对信息的处理能力与效果惊人。 ２．高度的非线性全局作用 神经网络系统是由大量简单神经元构成的，每个神经元接受大量其他神经元的输入，通过非线性输入、输出关系，产生输出影响其它神经元。网络就是这样互相制约相互影响，实现从输入状态空问到输出状态空间非线性映射的。网络的演化遵从全局性作用原则，从输入状态演化到终态而输出。从全局观点来看，网络整体性能不是网络局部性能的简单迭加，而表现某种集体性行为；而电脑遵从串行式局域性操作原则，每一步计算与上一步计算紧密相关，并对下一步产生影响，问题是通过算法逐步进行处理的。９ ３．良好的容错性与联想记忆功能 人工神经网络通过自身的网络结构能够实现对信息的记忆，而所记忆的信息是存储在神经元之间的权值中。从单个权值中看不出所储存的信息内容，因而是分布式的存储方式。