模式识别人工神经网络BP算法

识别活动是人类的基本活动，人们希望机器能代替人类进行识别工作。因此模式识别的理论和方法引起了人们极大的兴趣并进行了长期的研究，现已发展成一门多学科交叉的学科。针对不同的对象和不同的目的，可以用不同的模式识别理论、方法。而人工神经网络能较好地模拟人的形象思维，而且由于具有大规模并行协同处理能力、较强的容错能力和联想能力以及较强的学习能力，所以将神经网络方法运用到模式识别中去解决识别问题己成为国内外科技工作者广泛关注的热点。

本文首先对模式识别、神经网络的发展概况以及应用神经网络来进行模式识别的历史渊源等方面作了较为详细的介绍，然后分析了模式识别的一些基本概念、方法，指出了其困难和要求，同时给出了神经网络进行模式识别的方法，并比较它与传统方法的异同，说明了神经网络方法进行模式识别的特点与优越性；然后给出了本文核心即BP神经网络模式分类的实现思想。运用上述研究成果，借助于MATLAB，用BP算法完成了神经网络结构设计。进行的测试表明其运行稳定、字符识别率较高，表明了本文研发成果的有效性。

神经网络的研究是以人脑为基础的一门智能科学的研究与探索，实际上，40年代初，就有人认识到这一领域研究的重要性。可以说，它的研究与当今串行计算机的研究是同步进行的。但是，由于当时分子生物学发展的限制，人脑的机理还未真正弄清楚，从而影响这一研究领域的进展:另一方面，由于VLSI技术日新月异的进步，使串行计算机及人工智能技术在规模、速度上得到迅猛的发展，从而掩盖了这一科学研究的必要性和迫切性。所以，当时神经网络理论的发展是缓慢的。

80年代，人们逐渐认识到，由于传统计算机是