引言人工神经网络系统诞生于二十世纪四十年代末期，知道2017年的今天也才经历了短短五十多个年头。人工神经网络系统虽然年轻，但凭借着能够并行处理、分布存储和自我学习机能的优势，已然能够在当今信息科技飞速发展的时代拥有一席之地。更何况它不但不需要为了被描述的对象进行建模，而且能够轻松地进行对非线性系统和不确定性系统的描述述。尽管现在有一部分工具软件也能够模拟和研究神经网络，但它们对使用者在构建方面对程序要求更多，比如修改程序优化代码。却有时提供不了满足使用者要求的信息。日前网络模型的表现和运用形形色色，其应用程序也被编程效率低下，通用性不高以及使用不灵活所困扰。就本质上来看误差项非正面方向传输讯息的多节点前面网络也就是BP神经，能够越来越接近不同方向走势形成的非线性函数曲线，所以很容易得到一条路方向建模、模式辨始和分类以及函数逼近等方面被大家所广泛应用。BP神经网络，打开了现代信息科技网络建模的大门。掏出钥匙插进门锁，拧动把手轻轻推开这扇大门，你会被惊奇到，因为之前没有涉及到这个方面，等真的做出仿真的结果当然会很开心的。只因为你能透过它看到，现今的汽车：从国内的低端奇瑞到国外的中端丰田；从自主品牌慢慢崛起比亚迪到进口品牌人人称赞的林肯，这些汽车的车载系统能够如此优异，符合当今时代的审美和操作都得益于BP神经网络的应用及开发。透过这扇大门，你不仅能看到汽车工业对于BP神经网络的互动，你也会欣然地发现那个被咬掉一口的logo；韩国人的电子骄傲；以及中国的欣欣企业华为。从以前的直板塞班系统，只能发短信打电话，到现在ios，安卓系统，很好的具有手机一般通讯功能以外，更拥有了idtouch，指压感应功能，等成千上万APP功能。这一切在五十多年前，做梦都想不到的高科技，在BP神经网络诞生前遥不可及的奇幻功能，在其问世并迅速发展的现在都得以一个个实现。然而即便如此世界的科技发展高度，仍处于半山腰甚至还不到。如果要得到进步，这些BP神经网络的瓶颈问题是最需要也是最至关重要去解决的，虽然很困难，但是想想BP神经网络已经带给我们的，在想想它还能带给我们的无限可能。BP神经网络收敛速度缓慢，目标函数存在局部最小和训练时间漫长等缺点，这些挑战提出了一定数量的改进算法。MATLAB软件在实现事例中涉及到的神经网络来作为坐标轴原起点，包括了许许多多BP网络的数学函数和接近现实情况相关函数，为了解决BP神经网络的瓶颈，通过不断的仿真研究提供了巧妙的方法和简易的工具。得到训练的神经网络拥有了能够描述具象物体的能力，通过使用各异的曲线描述了实验仿真的结果，也回归了本文的主题，基于MATLAB的BP神经网络的仿真与实现。80870

第一章

1。1神经网络定义

教材文献上面指出BP神经网络的定义通过理解后重新整合出：BP神经网络是一种处于前期作用的方法向不同方向发展的神经网络。BP神经网络总共多有诸多细小的问题，其中的两个特点分别是，一个是传递往前的讯号，另外一个特点是误差方向和第一个特点里面方向相反。神经网络信号是前一阶段的神经节点的作用效果会影响到接下来一阶段的状态。除非系统输出端口节点能够得到计划中的输出结果，否则就会使得运行量转入另一条传播途径，神经网络此时就调整范围值和连接权值是在满足预测误差的范围内，致使达成一个预测输出无限逼近预期输出的BP神经网络。它是成千上万神经元中的能够调解的相互联系的管辖值连接而成。存在众多同时进行解决、分布型简讯储存、优异的自我主动模仿能力等特点。BP方式又成为误差反向传播算法，是一种至上而下检查管理的模仿计算方法。它能够无限逼近各种随机选取的函数，基本的框架由非线性改变的子集组合而成，存在一定能力的非线性遥相呼应的功能。论文网