基于BP神经网络的模式识别开题报告

1. 研究目的与意义

人工神经网络以对大脑的生理研究成果为基础的，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。

通过计算机仿真途径来模拟实现特定的神经网络模型或算法 ，神经网络的方法和技术已经用于解决很多领域的问题，并取得了一定的成就。

2. 国内外研究现状分析

1989 年 10 月和 11 月分别在北京和广州召开了神经网络及其应用讨论会和第一届全国信号处理-神经网络学术会议；1990 年 2 月由国内八个学会，即中国电子学会﹑人工智能学会﹑自动化学会﹑通信学会﹑物理学会﹑生物物理学会和心理学会联合在北京召开中国神经网络首届学术会议。

这次大会以八学会联盟，探智能奥秘为主题，收到了 300 多篇学术论文，开创了中国人工神经网络及神经计算机方面科学研究的新纪元。

2004 年 10 月在合肥召开的人工神经网络学术会议已是第 14 届学术年会了； 2004 年 8 月在中国大连召开的 isnn2004(international symposium on neural networks)国际会议，引起了国内外神经网络研究者的广泛关注，产生了较大的影响；另外，国内外许多相关的学术会议都设有人工神经网络专题，如国内的 wcica﹑ciac﹑cdc﹑ccc﹑caa 及国外的 acc﹑cca﹑ideac 等。

3. 研究的基本内容与计划

研究内容：掌握BP神经网络的理论基础和算法原理；掌握BP神经网络的结构设计与参数选取，利用matlab实现BP 神经网络在模式识别中的应用，对仿真结果进行分析比较，提出进一步改进方案。

计划：第 1 周：完成研究方向的定位，研究内容的文献综合查询以及研究资料的整理汇总工作。第 2-3 周：完成开题报告，审核并提交电子形式的报告。导师指导后进行修改，完成后提交。第 4-9 周：总体掌握BP神经网络及Matlab的理论知识，详细分解重点研究模式识别的相关问题。第10-14周：完成对BP神经网络模式识别的建立及训练，并进行实验。第15-16周：规范书写毕业论文，认真进行课题验收，准备答辩。

4. 研究创新点

bp神经网络具有良好的自学习、自适应、大规模并行处理、极强的非线性映射和容错能力。

利用该特性可以有效的避免复杂的数学推导，本样本缺省与参数漂移的情况下能保证稳定的输出。

21世纪模式识别技术面临着要求解决大数量模式类的识别和复杂畸变不变性识别的传统难题，尤其是实际应用中，模式的分布往往是很不规则的，这就要求所用的分类器能够在模式空间里形成各种非线性分割平面。