基于前馈神经网络的模式识别效率分析

成晓鹏，侯道琪

（解放军电子工程学院，合肥　230037）

基于前馈神经网络的模式识别效率分析

成晓鹏，侯道琪

（解放军电子工程学院，合肥230037）

0　引言

人工神经网络（Artificial Neural Networks，ANN）融会了生物物理学和数学，是一种新兴的问题求解办法，被广泛应用于机器学习、专家系统、智能控制、模式识别以及计算机视觉等多领域［1］。前馈神经网络算法（Feed-forward Neural Networks）是一种基础的人工神经网络算法，被广泛应用于求解模式识别问题中；但是其网络训练过程一直是一个值得研究和探索的重点。本文基于一个字符识别系统的设计开发流程，重点探讨了应用前馈神经网络算法求解模式识别问题的方法，并进行了影响网络训练效率的相关要素分析，最后通过实例仿真，更为直观地展现了各相关因素对网络训练效率的影响。

1　前馈神经网络算法

现代计算机虽然有很强的计算和信息处理能力，但是它解决模式识别、感知、评判和决策等复杂问题的能力却远不如人，缺乏向环境学习、适应环境的能力。人脑则具有大量的神经元，在情况分析判断、学习和决策等方面的性能要比计算机高的多。为了模仿人脑的工作方式，构造一种更接近人类智能的信息处理系统以提高计算机求解智能问题的能力，人们设计实现了人工神经网络。简言之，人工神经网络就是一种具有大量连接的并行分布处理器，它具有通过学习获取知识并解决问题的能力，且知识是分布存储在连接权（对应于生物神经元的突触）中，而不是像常规计算机那样按地址存在特定的存储单元中［2］。……