年提出的前向多层网络的反向传播(Back Propagation)学习方法,简称BP算法。
图7.1 BP算法简单模型
BP神经网络的改进方法有有动量的梯度下降法、自适应的梯度下降法、共扼梯度法和拟牛顿法等，他们从收敛速度或者避免局部最小值的误区出发对BP算法进行改进。
神经网络是一个大家族，包含有各种有各自优点的神经网络。比如说RBF神经网络、SOFM神经网络、LVQ神经网络。
同时它也是一个非常包容的领域，可以根据不同的需要对相应的神经网络进行改进，比如利用遗传算法来改进BP神经网络以及RBF神经网络。
我们所知道的很多知识都可以运用到神经网络中去，比如小波理论、模糊理论、量子理论等。
八、总结
水下目标的声散射特性研究具有重要的理论价值和广泛的实际应用背景。国内外围绕这个问题在声散射理论、声散射计算方法、实验验模等方面进行了广泛而细致的研究。通过研究，提出了了一系列声散射严格理论、近似解法，不但对水下目标声散射特性有了更深一步的了解，还从工程应用角度建立了若干散射特性的预报模型。研究目标声散射特性问题的方法主要有解析解方法和数值方法。同时，我们应该更关注实际海洋环境中的水下目标的散射特性，比如浅海波导中的目标散射特性，对其的研究对于我国来说是非常重要的，因为我国邻海大部分是浅海，只有清楚地认识了浅海中的潜艇、蛙人、军舰等的散射特性，才能更好地保护我们的领海。
我们研究水下目标的声散射特性，最终的目的就是发现目标、识别目标。是我们研究水下目标识别技术的基础。
水下目标的识别技术的流程分为信号接收、预处理、特征提取、分类器设计和目标判定。在这个过程中特征提取是重中之重，其特征信息提取的好坏直接影响整个的效果与性能。水下目标技术的发展趋势：一是发展自动识别技术；二提高图像识别和分类的有效性和可靠性；三是发展图像的捕获和分析；四是促使国内的开发研究；五是发展光学成像技术。同时在分类器设计中，神经网络将会是绝对的重心，因为其理论基础雄厚，并且在其他领域的应用非常广泛，可以充分借鉴在其他领域实践的经验，并根据水下目标识别技术的特点来设计最好的神经网络，达到高效识别目标的方法。
最后，感谢马树青老师、包长春老师两学期来的关心与指导，在这一年里，将我领进了水声学这个充满挑战的领域，今后我将带着老师们交给我的“猎枪”在水声学领域认真钻研，做出自己的贡献，为祖国走向海洋强国做出自己的贡献。
参考文献：
[1] 刘伯胜，雷家煜.水声学原理.哈尔滨：哈尔滨工程大学出版社，1997.3
[2] 李秀坤，孟祥夏，夏峙. 水下目标几何声散射回波在分数阶傅里叶变换域中的特性.物理学报. Vol. 64, No. 6 (2015)
[3] 夏峙，李秀坤. 水下目标弹性声散射信号分离.物理学报. Vol. 64, No. 9 (2015) [4] 张剑飞. 水下大尺度目标声散射特性研究.哈尔滨工程大学硕士论文.2013
[5] 王桂波. 浅海波导中目标散射特性研究. 中国海洋大学硕士论文。2005
[6] 张培珍. 逆向运用Fourier衍射定理快速预报水中目标的声散射特性. 上海大学博士论文. 2013
[7] 梁锦雄，王刻奇. 基于BP 神经网络的船舰目标识别分类. 舰船科学技术. Vol.37，No.3 Mar．，2015
[8] 卢建斌，张云雷，席泽敏，张明敏. 基于统计特征的水下目标一维距离像识别方法研究. 声 学 技 术. Vol.34, No.2 Apr., 2015
[9] 宋波. 水下目标识别技术的发展分析. 舰船电子工程. 2014
[10] 马梅真. 水下目标识别技术研究. 哈尔冰工程大学硕士论文. 2007
[11] 石敏. 小波包熵在水下目标识别中的应用研究. 计算机工程与应用. 2014 [12] 郭明慧. 一种基于代理模型的水下目标分类识别方法. 舰船科学技术. 2014 [13] 朱韬. 水下目标低频声散射特性研究. 上海交通大学硕士论文. 2008
[14] 舒兰英. 小波分析和神经网络在水下目标识别中的研究. 计算机仿真. 2011.2
[15] 华贤兵. 水下目标信号特征提取及识别技术的研究. 江苏科技大学硕士论文. 2009
[16] 顾江建，王海燕，申晓红，高婧洁. 基于对角切片谱的小波神经网络水下目标识别. 计算机仿真. 2012.2