武汉理工大学《通信工程应用技术课程设计》
课程设计任务书
学生姓名： 专业班级： 指导教师： 工作单位：
题 目: 模式识别 初始条件：MATLAB 软件
要求完成的主要任务: （包括课程设计工作量及其技术要求，以及说明书撰写
等具体要求）
利用BP（Back-propagation）网络对于10个阿拉伯数字（用七段码表示）进行训练，将训练好的网络对于污染的数字进行识别。
要求：学习BP算法；将数字用7维矢量表示；设计BP网络（7输入1输出）；参考MATLAB软件神经网络工具箱。
时间安排：
指导教师签名： 年 月 日
系主任（或责任教师）签名： 年 月 日
1
武汉理工大学《通信工程应用技术课程设计》
目录
摘要 .................................................................................................................................................. 3 Abstract ............................................................................................................................................. 4 1 神经网络发展历史及其应用 ....................................................................................................... 5
1.1 神经网络发展历史 ............................................................................................................ 5 1.2 神经网络的应用 ................................................................................................................ 5 2. BP神经网络 ................................................................................................................................. 6
2.1 BP神经网络简介 ............................................................................................................... 6 2.2 BP 神经网络的工作原理 .................................................................................................. 6 2.3 BP 神经网络的基本算法 .................................................................................................. 7 2.4 BP 神经网络算法的基本步骤 ........................................................................................ 10 2.5 BP 神经网络算法的主要特点 ........................................................ 错误！未定义书签。 3. MATLAB 实现BP神经网络 ................................................................... 错误！未定义书签。
3.1 MATLAB 的BP神经网络及其函数介绍 ..................................... 错误！未定义书签。 3.2 BP 神经网络中几种重要函数及其功能 ........................................ 错误！未定义书签。 4程序设计及仿真结果 .................................................................................. 错误！未定义书签。
4.1 程序设计 .......................................................................................... 错误！未定义书签。 4.2 仿真结果 .......................................................................................... 错误！未定义书签。 5心得与体会 .................................................................................................. 错误！未定义书签。 6 参考文献..................................................................................................... 错误！未定义书签。 附录 ................................................................................................................ 错误！未定义书签。
2
武汉理工大学《通信工程应用技术综合训练与实习》报告
摘要
BP网络是神经网络的一个重要分支。它又称多层感知机或误差信号反馈网络，是目前较流行，应用最广的神经网络模型。BP网络的主要特点是能够实现从n维到m维的非线性映射。也可以说，经过训练它可以完成简单的模糊分类工作。BP神经网络的主要优点是：良好的容错能力、分类能力强、并行处理能力和自学习能力。因而，采用神经网络识别数字是一种很好的选择。
本文首先对神经网络的发展历史及应用做了简单的介绍，接着对BP网络的相关知识做了概括性的介绍。最后在MATLAB 软件中，编写了进行相关识别数字的程序，并进行了仿真。
关键词：神经网络 BP网络 数字识别
3
武汉理工大学《通信工程应用技术综合训练与实习》报告
Abstract
The Back-propagation network is a branch of neural network. It is also called Multi-Layer Perception or Error Back-propagation Net. It is a neural network model which is widely used and in vogue present. The main characteristic of BP neural network is that it can implement nonlinear mapping from n dimension to m dimension. In other words, it can implement simply blurry classify. The brief advantage of BP Net is: Nicer tolerance capacities, Powerful classify capacities, Parallel disposal capacity and self-study capacity. So it is a very good choice using BP Net to recognize number figure.
This article first introduces a developmental history and application of the neural network. Then we give a brief introduction of BP-neural network. Finally, in the MATLAB environment, we give the preparation of procedures for characteristic recognition, and simulation.
Key words: neural network, BP neural network, character recognition,
4
武汉理工大学《通信工程应用技术综合训练与实习》报告
1 神经网络的发展历史及其应用
1.1 神经网络的发展历史
自1943年，心里学家McCulloch教授与数学家Pitts教授提出神经元生物学模型（简称MP-模型）以来，至今已有半个多世纪的发展历史了。在这半个多世纪里，它的发展大体可以分为以下几个阶段 ：
自1943年MP-模型产生起，到60年代止，这一段时间为神经网络系统的初期阶段，这时的主要特点是多种网络模型的产生与学习算法的确定。
60年代末至70年代，神经网络系统理论的发展处于一个低潮时期，造成这个情况的原因是神经网络系统理论的发展出现了本质上的困难。
80年代末至90年代，由于智能计算机的发展，神经网络系统理论形成一个发展热点。
1.2
神经网络的应用
神经网络在很多科学领域里都有很多奇妙应用，包括图像处理、自动控制、经济预
测、模式识别、信号处理等等。
神经网络理论的应用研究主要在模式识别、优化控制等方面；与数学、统计学中的多个学科分支发生联系，有如线性与非线性规划问题、数值逼近、统计计算等等，其内容十分丰富。
总而言之，神经网络技术是一种应用广泛的科学计算，具有很高的研究价值。
5