人工智能深度学习模式识别机器学习神经网络实验室建设方案
（V2.0版）
目 录
1. 前言........................................................................................................................ 4
1.1. 建设背景........................................................................................................ 4
1.2. 建设目标........................................................................................................ 4
2. 系统总体设计........................................................................................................ 5
2.1. 系统总体框架................................................................................................ 5
2.2. 框架总体介绍................................................................................................ 6
3. 系统功能设计........................................................................................................ 7
神经网络模式识别Matlab程序
识别加入20%噪声的A-Z 26个字母。（20%噪声情况下，完全能够识别）
clear;close all;
clc;
[alphabet,targets]=prprob;
[R,Q]=size(alphabet);
[S2,Q]=size(targets);
S1=10;
P=alphabet;
net=newff(minmax(P),[S1,S2],{'logsig' 'logsig'},'traingdx');
net.LW{2,1}=net.LW{2,1}*0.01;
net.b{2}=net.b{2}*0.01;
T=targets;
net.performFcn='sse';
net.trainParam.goal=0.1;
net.trainParam.show=20;
net.trainParam.epochs=5000;
net.trainParam.mc=0.95;
[net,tr]=train(net,P,T);
netn=net;
netn.trainParam.goal=0.6;
netn.trainParam.epochs=300;
T=[targets targets targets targets];
for pass=1:10;
P=[alphabet,alphabet,...
(alphabet+randn(R,Q)*0.1),...
(alphabet+randn(R,Q)*0.2)];
[netn,tr]=train(netn,P,T);
end
netn.trainParam.goal=0.1;
netn.trainParam.epochs=500;
netn.trainParam.show=5;
P=alphabet;
T=targets;
[netn,tr]=train(netn,P,T);
一、填空题
1、神经元（即神经细胞）是由 、 、 和
四部分构成。
2、按网络结构分，人工神经元细胞可分为 和 ，按照学习方式分可分为 和 。
3、人工神经网络常见的输出变换函数有 和 。
4、人工神经网络的学习规则有 、 和 。
5、国内外学者提出了许多面向对象的神经网络控制结构和方法，从大类上看，较具代表性的有以下几种 、 和 。
6、在一个神经网络中，常常根据处理单元的不同处理功能，将处理单元分成有以下三种 、 和 。
7、在一个神经网络中，基本单元神经元的三个基本要素是 、
和 。
8、人工神经网络常见的激发函数或作用函数有 、 、
和
。9、BP网络的学习算法的改进有
、
和 。
10、神经网络是由大量 广泛互联而成的网络。
11、人工神经网络的学习方法有 和 。
12、从生物控制论的观点来看，神经元具有以下功能和特性 、
和 。13、一般来讲，人工神经网络的结构可以分成两种基本类型
和 。
14、人工神经网络的学习算法有 、 和 。
15、BP学习算法实际包含了两类信号不同方向的传播过程，一类是施加输入信号由输入层
1
预处理 人工神经网络模式识别
一、人工神经网络模式识别
1、人工神经网络的概述
人工神经网络从人脑的生理学和心理学角度出发，通过模拟人脑的工作机理，实现机器的部分智能行为，是从微观结构和功能上对人脑进行抽象和简化，是模拟人类智能的一条重要途径。具体的模式识别是多种多样的，如果从识别的基本方法上划分，传统的模式识别大体分为统计模式识别和句法模式识别，在识别系统中引入神经网络是一种近年来发展起来的新的模式识别方法。尽管引入神经网络的方法和引入网络的结构可以各不相同，但都可称为神经网络模式识别。而且这些识别方法在解决传统方法较难处理的某些问题上带来了新的进展和突破，因而得到了人们越来越多的重视和研究。
人工神经元网络(Artificial Neural Network)简称神经网络，是基于日前人们对自然神经系统的认识而提出的一些神经系统的模型，一般是由一系列被称为神经元的具有某种简单计算功能的节点经过广泛连接构成的一定网络结构，而其网络连接的权值根据某种学习规则在外界输入的作用下不断调节，最后使网络具有某种期望的输出特性。神经网络的这种可以根据输入样本学习的功能使得它非常适合于用来解决模式识别问题，这也是神经网络目前最成功的应用领域之一。
2、神经网络进行模式识别的方法和步骤
神经网络模式识别的基本方法是，首先用己知样本训练神经网络，使之对不同类别的己知样本给出所希望的不同输出，然后用该网络识别未知的样本，根据各样本所对应的网络输出情况来划分未知样本的类别。神经网络进行模式识别的一般步骤如图2-1所示，分为如下几个部分：
图 2-1 神经网络模式识别基本构成
1、样本获取
这一步骤主要是为了得到一定数量的用于训练和识别的样本。 样本获取 常规处理 特征变换 神经网络识别 2
2、常规处理
其作用相当于传统模式识别中的数据获取和常规处理两步的功能。即通过对识别对象的有效观测、进行采样量化，获得一系列数据，再经过去除噪声、加强有用信息等工作获得尽量逼真的原始数据。通过这一步骤，得到了样本的原始表达。
