c语言预测分析程序,基于C语言的BP神经网络预测程序开发精选.doc

迷南。 2023-01-22 14:47 175阅读 0赞

基于C语言的BP神经网络预测程序开发精选

毕业设计(论文)开题报告

设计(论文)题目: 基于C语言的BP神经网络预测程序开发

院 系 名 称: 汽车与交通工程学院

专 业 班 级: 车辆工程B07-11班

学 生 姓 名:

导 师 姓 名:

开 题 时 间: 2011年3月2日

毕业设计(论文)开题报告学生姓名系部汽车与交通工程学院专业、班级车辆07-11班指导教师姓名职称实验师从事

专业汽车工程指导教师姓名王悦新题目名称基于C语言的BP神经网络预测程序开发一、课题研究选题和意义, 对生物神经系统的结构和功能进行数学抽象、简化和模仿而逐步发展起来的一种新型信息处理和计算系统。人工神经网络由大量结构简单的神经元按各种拓扑结构组成, 它的整体特征是由每个节点的特性、网络的拓扑结构和学习算法决定的。建立人工神经网络模型, 运用其记忆能力对一直数据进行学习记忆, 再利用其联想能力对为止问题进行识别和预测等。误差反向传递训练算法的BP 网络是神经网络中最常见的一类网络形式, 也是目前研究最多、最成熟的神经网络系统。据统计, 80%～90%的神经网络模型采用了BP 网络或者它的改进形式。BP 神经网络采用误差反传学习算法( 也称BP 算法) , 是一种多层前馈网络使用的监控式学习算法。BP 网络是一种有导师的学习算法,其主要思想是把整个学习过程分为4 个部分: 一是输入模式从输入层经隐含层传向输出层的: “模式顺传播”过程; 二是网络的希望输出与实际输出之差的误差信号由输出层经隐含层向输入层逐层修正连接权的“误差逆传播”过程; 三是由“模式顺传播”和“误差逆传播”的反复交替进行的网络“记忆训练”过程; 四是网络趋向收敛即网络的全局误差趋向极小值的“学习收敛”过程。

人工神经网络是在现代神经生物学研究基础上提出的模拟生物过程，反映人脑某些特性的一种计算结构。它不是人脑神经系统的真实描写，而只是它的某种抽象、简化和模拟。根据前面对生物神经网络的介绍可知，神经元及其突触是神经网络的基本器件。因此，模拟生物神经网络应首先模拟生物神经元。在人工神经网络中，神经元常被称为“处理单元”，有时从网络的观点出发常把它称为“节点”。人工神经元是对生物神经元的一种形式化描述，它对生物神经元的信息处理过程进行抽象，并用数学语言予以描述；对生物神经元的结构和功能进行模拟，并用模型图予以表达。

目前人们提出的神经元模型己有很多，其中最早提出且影响最大的，是1943年心理学索 McCul1oh和数学家W.Pitts在分析总结神经元基本特性的基础上首先提出的M-P模型。该模型经过不断改进后，形成目前广泛应用的神经元模型形式。关于神经元的信息处理机制，该模型在简化的基础上提出以下6点假定进行描述：

每个神经元都是一个多输入单输出的信息处理单元；

2)神经元输入分兴奋性输入和抑制性输入两种类型；

3)神经元具有空间整合特性和阂值特性；

4)神经元输入与输出间有固定的时滞，主要取决于突触延搁；

5)忽略时间整合作用和不应期；

6)神经元本身是非时变的，即其突触时延和突触强度均为常数。

神经细胞是构筑神经系统和人脑的基本单元，它既具有结构和功能的动态特性，又具有时间和空间的动态特性，其简单有序的编排构成了完美复杂的大脑。神经细胞之间的通信是通过其具有可塑性的突触祸合实现的，这使它们成为一个有机的整体。人工神经网络就是通过对人脑的基本单元—神经细胞一一的建模和连接，来探索模拟人脑神经系统功能的模型，其任务是构造具有学习、联想、记忆和模式识别等智能信息处理功能的人工系统。

在各种智能信息处理模型中，人工神经网络是最具有大脑风格的智能信息处理模型，许多网络都能反映人脑功能的若干基本特性，但并非生物系统的逼真描述，只是对其局部电路的某种模仿、简化和抽象。

大量神经元组成庞大的神经网络，才能实现对复杂信息的处理与存储，并表现出各种优越的特性。神经网络的强大功能与其大规模并行互连、非线性处理以及互连结构的可塑性密切相关。因此必须按一定规则将神经元连接成神经网络，并使网络中各神经元的连接权按一定规则变化。生物神经网络由数以亿计的生物神经元连接而戒，而人工神经网络限于物理实现的困难和为了计算简便，是由相对少量的神经元按一定规律构成的网络。人工神经网络中的神经元常称为节点或处理单元，每个节点均具有相同的结构，其动作在时间和空间上均同步。

人工神经网络的模型