应进行分析，将所有的数据都放在整个数据集中，包括训练数据验证数据和测试数据，然后网络输出和相应的期望输出向量进行线性回归分析。线性回归之前需要对网络输出进行反规范转换，因为有三组输出值，所以应进行三次线性回归。其结果如图所示。将三组输出进行线性回归分析二〇〇九年五月十二日星期二图线性回归结果线性回归线性回归线性回归不同条件下的输出结果对网络型进行改进，将隐层神经元数目加为个，观察其输出结果其训练过程如图所示。三种误差曲线如图所示，改进后的线性回归结果如图所示。图训练过程，二〇〇九年五月十二日星期二图三种误差曲线平方差时间同样将所有的数据都放在整个数据集中，包括训练数据验证数据和测试数据，然后网络输出和相应的期望输出向量进行线性回归分析。最后线性回归的输出结果如图所示。二〇〇九年五月十二日星期二图线性回归结果线性回归线性回归线性回归讨论综上两种情况比较下，其中当隐层神经元为五个时，前面两个输出期望值的跟踪较好，相应的值几乎达到了，而第三个输出则吻合得不是很理想，作进步研究，在当隐层数据为时，较第种情况，它的输出更加接近于期望值。比较可知，当隐层数目越多，则测试得到的样本水平越接近于期望值。结束语本文首先总结了神经网络的研究目的和意义，介绍了神经网络的研究背景和现状，分析了目前神经网络研究中存在的问题，然后描述了神经网络算法的实现以及神经网络的工作原理，给出了网络的局限性。在以神经网络为基础的前提下，分析研究了神经网络在函数逼近和样本含量估计两个实例中的应用。以及分析了结论，即信号的频率越高，则隐层节点越多，隐单元个数越多，逼近能力越强。和隐层数目越多，测试得到的样本的水平越接近于期望值。本文虽然总结分析了神经网络算法的实现，给出了实例分析，但是还有很多的不足。股票市场预测地震预报有价证券管理借贷风险分析卡管理和交通管理。通信。自适应均衡回波抵消路由选择和网络中的呼叫接纳识别和控制。空间科学。空间交汇对接控签字识别指纹识别人体病理分析目标检测与识别图像压缩和图像复制等。控制和优化。化工过程控制机器人运动控制家电控制半导体生产中掺杂控制石油精炼优化控制和超大规模集成电路布线设计等。的发展，特别是在人工智能自动控制计算机科学信息处理机器人模式识别等方面都有重大的应用实例。下面列出些主要应用领域模式识别和图像处理。印刷体和手写字符识别语音识别只针对方面的问题有效，并且在人机接口用户友好性等诸多方面存在定的缺陷。在微机飞速发展的今天，很多都已不能满足发展的需要。二〇〇九年五月十二日星期二神经网络的应用神经网络理论的应用取得了令人瞩目得训练很忙动量法因为学习率的提高通常比单纯的梯度下降法要快，但在实际应用中还是很慢。针对千变万化的应用对象，各类复杂的求解问题，编制些特定的程序软件求解，耗费了大量的人力和物力。而这些软件往往发展具有强大的生命力。当前存在的问题是智能水平还不高，许多应用方面的要求还不能得到很好的满足网络分析与综合的些理论性问题还未得到很好的解决。例如，由于训练中稳定性的要求学习率很小，所以梯度下降法使型研究。神经网络应用系统在网络模型与算法研究的基础上，利用神经网络组成实际的近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统遗传算法进化机制等结合，形成计算智能，成为人工智能的个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。神经网络的发展与研究现状神经网络的发展神经网络起源于世纪年代，至今发展已半个多世纪，大致分为三个阶段。世纪年代世纪年代第次研究高潮自年模型开始，至世纪年代为止，这段时间可以称为神经网络系统理论发展的初期阶段。这个时期的主要特点是多种网络的模型的产生与学习算法的确定。世纪年代世纪年代低潮时期到了世纪年代，人们发现感知器存在些缺陷，例如，它不能解决异或问题，因而研究工作趋向低潮。不过仍有不少学者继续对神经网络进行研究。提出了自适应共振理论提出了自组织映射提出了神经认知网络理论提出了模型提出了理论等。这些都是在世纪年代和世纪年代初进行的工作。世纪年代年代第二次研究高潮进入世纪年代，神经网络研究进入高潮。这个时期最具有标志性的人物是美国加州工学院的物理学家。他于年和年在美国科学院院刊上发表了两篇文章，提出了模拟人脑的神经网络模型，即最著名的模型。网络是个互连的非线性动力学网络，它解决问题的方法是种反复运算的动态过程，这是符号逻辑处理方式做不具备的性质。世纪年代后期到年代初，神经网络系统理论形成了发展的热点，多种模型算法和应用被提出，研究经费重新变得充足，使得研究二〇〇九年五月十二日星期二者们完成了很多有意义的工作。神经网络的现状进入世纪年代以来，神经网络由于应用面还不够宽，结果不够精确，存在可信度问题，从而进入了认识与应用研究期。开发现有模型的应用，并在应用中根据实际运行情况对模型算法加以改造，以提高网络的训练速度和运行的准确度。充分发挥两种技术各自的优势是个有效方法。希望在理论上寻找新的突破，建立新的专用通用模型和算法。进步对生物神经系统进行研究，不断地丰富对人脑的认识。神经网络的研究内容和目前存在的问题神经网络的研究内容神经网络的研究内容相当广泛，反映了多科学交叉技术领域的特点。目前，主要的研究工作集中在以下四方面生物原型研究从生理学心理学解剖学脑科学病理学生物科学方面研究神经细胞神经网络神经系统的生物原型结构及其功能机理。建立理论模型根据生物圆形的研究，建立神经元神经网络的理论模型，其中包括概念模型知识模型物理化学模型数学模型等。网络模型与算法研究