bp神经网络论文济宁学院

问：第一篇提出BP神经网络的论文是哪一篇？

1. 答：最初是86年，Rumelhart和McCelland领导的科学家小组在《平行分布式处理》一书中，对具有非线性连续变换函数的多层感知器的误差反向传播BP算法进行了详尽的分析，实现了Minsky关于多层网络的设想。
   一般引用的话，无需引用第一篇，只需引用介绍BP网络的文献即可。最开始的文献往往理论不完善。反而阅读意义不大。

问：bp神经网络研究现状

1. 答：BP网络的误差逆传播算法因有中间隐含层和相应的学习规则，使得它具有很
   强的非线性映射能力，而且网络的中间层数、各层神经元个数及网络的学习系数
   等参数可以根据实际情况设定，有很大的灵活性，且能够识别含有噪声的样本，
   经过学习能够把样本隐含的特征和规则分布在神经网络的连接权上。总的说来，
   BP网络的优点主要有：
   (1)算法推导清楚，学习精度较高；(2)经过训练后的BP网络，运行速度很快，有
   的可用于实时处理；(3)多层(至少三层)BP网络具有理论上逼近任意非线性连续
   函数的能力，也就是说，可以使多层前馈神经网络学会任何可学习的东西，而信
   息处理的大部分问题都能归纳为数学映射，通过选择一定的非线性和连接强度调
   节规律，BP网络就可解决任何一个信息处理的问题。目前，在手写字体的识别、
   语音识别、文本一语言转换、图像识别以及生物医学信号处理方面已有实际的应
   用。
   同时BP算法与其它算法一样，也存在自身的缺陷：
   (1)由于该算法采用误差导数指导学习过程，在存在较多局部极小点的情况下容易陷入局部极小点，不能保证收敛到全局最小点：(2)存在学习速度与精度之间的矛盾，当学习速度较快时，学习过程容易产生振荡，难以得到精确结果，而当学习速度较慢时，虽然结果的精度较高，但学习周期太长：(3)算法学习收敛速度慢；(4)网络学习记忆具有不稳定性，即当给一个训练好的网络提供新的学习记忆模式时，将使已有的连接权值打乱，导致已记忆的学习模式的信息消失；(5)网络中间层(隐含层)的层数及它的单元数的选取无理论上的指导，而是根据经验确定，因此网络的设计有时不一定是最佳的方案。

问：BP神经网络

1. 答：没有数据还真一眼看不出你的是出了什么原因， 不过你这个应该是做模式识别吧， 识别它是哪一类。
   一般做模式识别会用，而不用，主要是的输出是在0，1之间的。
   楼主可以借鉴matlab自带的螃蟹识别例子，你的matlab路径\toolbox\nnet\nndemos\classify_crab_demo.m
   《神经网络之家》 上也有一篇讲解的例子：一个神经网络模式识别的例子------螃蟹识别，楼主可以看看。
   更详细的需要楼主贴出数据了。

本文来源: https://www.lunwen55.cn/article/a307e9181756dd2959fc6a4c.html