【2019年整理】机器学习神经网络的论文

机器学习网络系统论文

班级：10级自动化（1班）

姓名：才让加 学号：1020301025

摘要：

神经网络是计算机智能和机器学习研究、开发和应用最活跃的分支之一。本文首先通过对误差回传神经网络(BPNN)和径向基函数神经网络(RBFNN)的知识进行学习，并且对各自的原理进行了简单的分析，最后在各自的功能上进行了比较。

人工神经网络（Artificial Neural Networks）是参照生物神经网络发展起来的模拟人脑生物过程的人工智能技术。它是由大量的神经元互连形成的一种非线性系统。因此，神经网络根据神经元互连模式可分为前向网络（前馈网络）和反馈网络。经过十几年的发展，神经网络理论在模式识别、人工智能、控制与优化、空间科学、通讯等应用领域取得了令人瞩目的成就。

BP网络和RBFNN网络的分析与比较

1 BP网络原理

BP神经网络也称为误差后向传播神经网络，它是一种无反馈的前向网络，是神经网络模型中使用最广泛的一类。BP神经网络是典型的多层结构，分为输入层、隐层和输出层，层与层之间多采用全互联方式，同一层单元之间不存在相互连接接。

1.1 Sigmoid阈值单元

W1 X1 X0 W0 X2

W2 ∑ net??wixii?0Wn Xn no??(net)

图 1

Sigmoid单元先计算它的输入的线性组合，然后应用到一个阈值上，阈值输出是输入的连续函数

o??(wx)