基于神經(jīng)網(wǎng)絡(luò)的信息處理研究.pdf

1、論文首先介紹了神經(jīng)網(wǎng)絡(luò)的相關(guān)內(nèi)容，然后重點(diǎn)研究了神經(jīng)網(wǎng)絡(luò)在綜合評(píng)判和手寫(xiě)數(shù)字識(shí)別中的應(yīng)用，最后做了總結(jié)和展望。
　　 綜合評(píng)判已被廣泛應(yīng)用于社會(huì)、科學(xué)、管理等眾多領(lǐng)域，其評(píng)判的方法有很多，主要包括模糊綜合評(píng)判法、層次分析法、專(zhuān)家評(píng)定法等，但是權(quán)重和隸屬度的確定一直是綜合評(píng)判的兩大難點(diǎn)，很多方法帶有較強(qiáng)的主觀因素，這些主觀因素影響了最終的評(píng)判精度。為了得到更加客觀合理的權(quán)重和隸屬度，提高評(píng)判精度，本文利用模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)來(lái)調(diào)整綜

2、合評(píng)判的權(quán)重和隸屬度。將此神經(jīng)網(wǎng)絡(luò)用于繼電器的動(dòng)態(tài)特性評(píng)判中，得到了更加客觀合理的評(píng)判結(jié)果。
　　 手寫(xiě)數(shù)字識(shí)別應(yīng)用非常廣泛，識(shí)別的方法有很多。因?yàn)锽P神經(jīng)網(wǎng)絡(luò)可以逼近任意的非線性映射，并且具有很強(qiáng)的自適應(yīng)性、自組織性等，因此在手寫(xiě)數(shù)字識(shí)別領(lǐng)域被廣泛采用。但是它存在收斂速度慢，易陷入“局部極小值”等缺陷，因此學(xué)者做了大量改進(jìn)，關(guān)于學(xué)習(xí)速率的改進(jìn)中較常見(jiàn)的是VLBP算法。但VLBP算法存在學(xué)習(xí)效率低、收斂不平穩(wěn)等問(wèn)題，本文針對(duì)此問(wèn)

3、題，對(duì)學(xué)習(xí)速率進(jìn)行了改進(jìn)，建立了誤差E和學(xué)習(xí)速率η之間的函數(shù)關(guān)系，即采用連續(xù)動(dòng)態(tài)的自適應(yīng)學(xué)習(xí)速率。仿真結(jié)果證實(shí)該改進(jìn)學(xué)習(xí)速率算法相比VLBP算法．收斂速度加快，收斂過(guò)程更加平穩(wěn)。把改進(jìn)學(xué)習(xí)速率的BP算法用于手寫(xiě)數(shù)字識(shí)別，取得了較好的識(shí)別效果。
　　 標(biāo)準(zhǔn)BP算法的激勵(lì)函數(shù)一般采用Sigmoid形函數(shù)，但是網(wǎng)絡(luò)易陷入局部極小值，因此本文對(duì)Sigmoid激勵(lì)函數(shù)進(jìn)行了改進(jìn)，即判斷哪個(gè)樣本對(duì)出現(xiàn)了okp≈0或者（1-okp）≈0，對(duì)這