基于BP神经网络的有噪数字识别

摘要	第1-6页
Abstract	第6-8页
第一章 绪论	第8-10页
·研究有噪数字识别的目的与意义	第8页
·数字识别的研究现状	第8-9页
·存在的问题	第9页
·采用BP 神经网络的优点	第9页
·完成工作	第9-10页
第二章 BP 神经网络	第10-24页
·人工神经网络的模型与训练	第11-17页
·BP 神经网络模型与学习方式	第17-20页
·BP 神经网络的算法	第20-22页
·BP 神经网络学习规则与训练	第22-24页
第三章 网络设计及实现	第24-45页
·输入层与输出层的编码	第24-30页
·网络各参数的选取	第30-32页
·输入、输出节点数及神经元个数	第30页
·隐层的确定	第30-31页
·激活函数	第31页
·允许误差	第31-32页
·步长	第32页
·初始权值和偏置	第32页
·网络的实现	第32-45页
·训练样本的实现	第32-33页
·网络结构整体图	第33页
·系统主页面及部分源程序	第33-45页
第四章 网络优化	第45-56页
·优化的方法	第45-46页
·多次选择不同初始权值法	第45页
·采用动量因子法	第45-46页
·优化的结果	第46-48页
·未优化的情况	第46-48页
·优化后的情况	第48页
·总结优化参数对网络的影响	第48-56页
·对比神经元的个数对系统的影响	第49-51页
·加入动量因子的对比	第51-54页
·学习步长，允许误差的对比	第54-56页
第五章 结论与展望	第56-57页
致谢	第57-58页
参考文献	第58-59页