1、“.....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在理论模型研究的基础上构成具体的神经网络模型，以实现计算机模拟 或准备制作硬件，包括网络学习算法的研究......”。

2、“..... 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应用系统，例 如，完成种信号处理或模式识别的功能构成专家系统制成机器人等。 神经网络研究目前存在的问题 人工神经网络的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。 ......”。

3、“.....如图所示，这样就可以更加直观地观察训练过程。 平方差 时间 目录 绪论 人工神经网络的研究背景和意义 神经网络的发展与研究现状 神经网络的研究内容和目前存在的问题 神经网络的应用 神经网络结构及神经网络 神经元与网络结构 神经网络及其原理 神经网络的主要功能 网络的优点以及局限性 神经网络在实例中的应用 基于的神经网络工具箱函数 网络在函数逼近中的应用 网络在样本含量估计中的应用 结束语 参考文献 英文摘要 致谢 基于的神经网络应用 蒋亮亮 南京信息工程大学滨江学院自动化专业，南京 摘要本文首先说明课题研究的目的和意义，评述课题的国内外研究现状，引出目前存在的问题。然后分析了神 经网络算法的基本原理，给出经典神经网络算法的具体实现方法，总结神经网络算法的特点......”。

4、“.....采用软件编程实现神经网络算法。将神经网络算法应用于函数逼近和样本含量估计问 题中，并分析相关参数对算法运行结果的影响。最后对神经网络算法进行了展望。 关键词神经网络神经网络函数逼近 绪论 人工神经网络，是由大量的简单的处理单元称为神经元广泛地 互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是个高度复杂的非线性动力学系 统。神经网络具有大规模并行分布式存储和处理自组织自适应和自学习能力，特别适合处理需要 同时考虑许多因素和条件的不精确和模似功能的计算机，即神经网络计算机。研究仿照脑神经 系统的人工神经网络，将在模式识别组合优化和决策判断等方面取得传统计算机所难以达到的效果。 人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式语音 识别非结构化信息处理方面的缺陷......”。

5、“.....人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。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......”。

6、“.....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，使得研究糊的信息处理问题......”。

7、“.....是门新兴的边缘交叉学科。 神经网络具有非线性自适应的信息处理能力，克服了传统人工智能方法对于直觉的缺陷，因而在神经 专家系统模式识别智能控制组合优化预测等领域得到成功应用。神经网络与其他传统方法相组 合，将推动人工智能和信息处理技术不断发展。近年来，神经网络在模拟人类认知的道路上更加深入发展， 并与模糊系统遗传算法进化机制等组合，形成计算智能，成为人工智能的个重要方向。 是种科学与工程计算的高级语言，广泛地运用于包括信号与图像处理，控制系统设计，系 统仿真等诸多领域。为了解决神经网络问题中的研究工作量和编程计算工作量问题，目前工程领域中较为 流行的软件，提供了现成的神经网络工具箱，简称，为解 决这个矛盾提供了便利条件。神经网络工具箱提供了很多经典的学习算法......”。

8、“.....应用语言构造典型神经网络的激活传递函数，编写各种网 络设计与训练的子程序，网络的设计者可以根据需要调用工具箱中有关神经网络的设计训练程序，使自己 能够从烦琐的编程中解脱出来，减轻工程人员的负担，从而提高工作效率。 人工神经网络的研究背景和意义 人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系 统对真实世界物体所作出的交互反应。 人工神经网络就是模拟人思维的种方式，是个非线性动力学系统，其特色在于信息的分布式存储 和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的 行为却是极其丰富多彩的。 近年来通过对人工神经网络的研究，可以看出神经网络的研究目的和意义有以下三点通过揭示 物理平面与认知平面之间的映射，了解它们相互联系和相互作用的机理......”。

9、“.....探索智能 的本源。争取构造出尽可能与人脑具有相 网络训练精度设置为 开始训练网络 ， ， ， 从以上结果可以看出，网络训练速度很快，经过次循环跌送过程就达到了要求的精度。 步骤网络测试 对于训练好的网络进行仿真 训练后网络的输出结果 时间 仿真输出 绘制网络输出曲线，并与原始非线性函数曲线以及未训练网络的输出结果曲线相比较，比较出来的结 果如图所示。 图训练后网络的输出结果 其中代表要逼近的非线性函数曲线 代表未经训练的函数曲线 代表经过训练的函数曲线 从图中可以看出，得到的曲线和原始的非线性函数曲线很接近。这说明经过训练后，网络对非线 性函数的逼近效果比较好。 不同频率下的逼近效果 改变非线性函数的频率和函数隐层神经元的数目，对于函数逼近的效果有定的影响。网络非线 性程度越高......”。