摘要:神經網絡是一種模擬人腦的生理結構和功能設計出來的一種網絡結構，其中的前向神經網絡結構是目前最常用的一種神經網絡，能夠處理一些非線性問題，也有著一定的自學習自適應能力以及泛化能力。

本論文主要研究復數值前向神經網絡的訓練算法設計與實現。BP算法通過將誤差沿輸出到輸入進行反方向傳播，通過梯度下降法不斷調整優化權值，從而使整個網絡的總誤差達到最小。本論文主要根據BP算法的基本思想進行推導，分別用sigmoid函數和tansig函數兩種激勵函數進行算法編寫，對數據集進行訓練，觀察結果，比較性能。通過對多組數據集進行分析，得出激勵函數的選擇與訓練集特征值數量有關，每一個特征值表示該樣本的某一個特性，訓練集特征值較多時使用tansig函數。

關鍵字：神經網絡,BP算法,激勵函數

目錄

中文摘要

Abstract

第一章 緒論-3

1.1課題研究背景-4

1.2研究現狀-5

1.3論文設計內容-5

1.4論文組織結構-6

第二章 人工神經網絡的基礎-7

2.1 神經網絡定義-7

2.2神經網絡的分類-7

2.3神經網絡的應用-8

2.4人工神經網絡的特點-8

第三章 復數值前向神經網絡-10

3.1復數值神經元的基本模型-10

3.2 S型函數-10

3.3 復數值前向神經網絡結構-11

3.4 BP算法的基本思想-12

3.5 復數值BP算法的具體推導-13

第四章 復數值BP算法的設計與實現-15

4.1算法設計過程-15

4.2數據集分析-15

4.3實驗總結-18

第五章 總結與展望-20

致謝-21

參考文獻-22