1、 本科毕业论文系列开题报告电气工程及其自动化基于 BP 神经网络的数字字母识别系统设计系统分析设计一、课题研究意义及现状随着信息科技技术的飞速发展，神经网络从当年的无人问津到现在广泛应用于各个领域，这个不是偶然而是其功能大部分能适应生产生活的各方面需求。特别是在人工智能、自动控制、计算机科学、信息处理、机器人、模式识别等方面有重大的应用。BP 神经网络已被广泛地应用于各个领域，它的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入从输入层传入，经各隐层逐层处理后，传向输出层。若输出层的实际输出与期望输出不符，则转入误差的反向传播阶段。误差反传是将输出误
2、差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程是周而复始地进行的。此过程一直进行到网络输出误差减少到可以接受的程度，或进行预先设定的学习次数为止。本课题就是利用 BP 神经网络的工作原理，对 0、1、2、3、4、5、6、7、8、9 十个数字的图像提取特征向量作为神经网络识别输入向量的基础上，分析建立对0、1、2、3、4、5、6、7、8、9 十个数字进行识别的 BP 神经网络拓扑结构，为程序实现识别系统创造条件。目前，手写体字符识别是一个非常重要和活跃的研究领域
3、，它涉及到模式识别、图像处理、人工智能、模糊数学、信息论、计算机等学科，是一门综合性技术，有广阔的应用背景与巨大的市场需求。因此，对字符识别的研究具有理论与应用的双重意义。二、课题研究的主要内容和预期目标（一）研究内容（1）熟悉 BP 神经网络的基本原理及其算法；（2）掌握人工神经网络的拓扑结构模型，并利用该模型构建识别系统（3）在含有噪声的情况下对识别系统的影响，并能提高识别的准确率（4）研究出最好的方案分别使识别率，复杂度方面达到理想状态（二）预期目标结合自己的所学的 BP 神经网络知识对 0 到 9 十个数字字符进行编码，变成神经网络可以接受的输入向量形式，构建数字字符识别的 BP 神经
4、网络拓扑结构模型，完成基于 BP 神经网络数字识别系统设计。三、课题研究的方法及措施（1）重视系统分析。以系统科学的思想来确定输入输出量，并研究其内在相互影响的关系，确定它们之间直接的联系，并探讨训练样本数与给定的训练误差之间的关系，以达到最佳选择。（2）重视案例研究。从国内外各种科学技术论文中找取案例，发现问题，分析问题，归纳总结出具有共性的地方用以参考，在学习别人思路的时候善于思考，从中得到启发并理出清晰思路。（3）确定基本思路方法。对基于 BP 神经网络算法的数字识别系统，输入层不能直接接受字符输入，必须先对其进行编码，变成网络可以接受的形式，还有噪声等影响，需要逐一调试，先从基本着手，
5、再一一攻克问题（4）理论与实际相结合。讲研究工作在试验中实现，进行实证研究，在实践中丰富完善设计，研究出具有科学性和实用性的成果。本人初次接触神经网络，对于其 BP 算法等还比较陌生，但是对于其中的困难点我相信自己能够一一克服。由于初次使用 BP 神经网络建立识别系统模型，为了更加深入了解其构建细节，我选择使用 MATLAB 工具完成设计构思，从中发现问题，了解问题，解决问题，我相信能够获得预期的研究成果四、课题研究进度计划2010 年 11 月至 2010 年 12 月：完成开题。2010 年 12 月至 2011 年 2 月：基于 BP 神经网络的数字字符识别系统的构建。2011 年 2
6、月至 2011 年 3 月：基于 BP 神经网络的数字字符识别系统的实证研究，并丰富修改成果。2011 年 3 月至 2011 年 4 月：完成毕业论文写作，修改定稿，准备答辩五、参考文献1国刚，王毅.应用 BP 神经网络进行手写体字母字母数字识别J.电脑知识及技术,2008 年第四卷：1-2 页.2韩立群.人工神经网络教程TP.2006 年 12 月.北京：北京邮电大学出版社，2006年 12 月：68-80 页3董长虹.Matlab 神经网络与应用TP.第二版.北京：国防工业出版社,2007.9:64-106毕业论文文献综述电气工程及自动化BP 神经网络研究综述摘要：现代信息化技术的发展，
7、神经网络的应用范围越来越广，尤其基于 BP 算法的神经网络在预测以及识别方面有很多优势。本文对前人有关 BP 神经网络用于识别和预测方面的应用进行归纳和总结，并且提出几点思考方向以作为以后研究此类问题的思路。关键词：神经网络；数字字母识别；神经网络的脑式智能信息处理特征与能力使其应用领域日益扩大，潜力日趋明显。作为一种新型智能信息处理系统，其应用贯穿信息的获取、传输、接收与加工各个环节。具有大家所熟悉的模式识别功能，静态识别例如有手写字的识别等，动态识别有语音识别等，现在市场上这些产品已经有很多。本文查阅了中国期刊网几年来的相关文献包括相关英文文献，就是对前人在 BP 神经网络上的应用成果进行
8、分析说明，综述如下：（一） BP 神经网络的基本原理BP 网络是一种按误差逆向传播算法训练的多层前馈网络它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阀值，使网络的误差平方最小。BP 网络能学习和存贮大量的输入- 输出模式映射关系 ,而无需事前揭示描述这种映射关系的数学方程. BP 神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)，如图上图。其基本思想是通过调节网络的权值和阈值使网络输出层的误差平方和达到最小，也就是使输出值尽可能接近期望值。（二） 对 BP 网络算法的应用领域的优势和其它神经网络相比，BP 神经网
9、络具有模式顺向传播，误差逆向传播，记忆训练，学习收敛的特点，主要用于：（1） 函数逼近：用输入向量和相应的输出向量训练一个网络以逼近一个函数；（2） 模式识别：用一个待定的输出向量将它与输入向量联系起来；（3） 数据压缩：减少输出向量维数以便于传输或存储；（4） 分类：把输入向量所定义的合适方式进行分类； 9BP 网络实质上实现了一个从输入到输出的映射功能， ，而数学理论已证明它具有实现任何复杂非线性映射的功能。由于人工神经网络具有并行处理和很强的容错性等特点，因此有可能大大提高手写体字母数字识别的准确率和速度。最重要是其识别率与传统方法相比差不多，但是提升空间大。神经网络所具有的非线性特性和
10、学习能力，使它在工程方面对于复杂的非线性，不确定，不确知系统的控制问题提供了新的解决途径，例如：系统识别，神经控制，智能检测等。它还具有泛化能力，这是衡量多层感知器性能优劣的一个重要手段。（三） BP 网络算法的实际应用研究为了了解 BP 算法优势以及各种局限性，本人在各期刊杂志上研究相关 BP 算法实际应用情况。鉴于上述优势，BP 算法各种优势如何在实际应用中体现，这也是开发者们开发该产品的重要优势。如国刚等人对 BP 神经网络进行手写字母识别的研究中在选取合适的特征点的基础上，对手写体图像进行分域处理，每一小区域对应输入层的一个神经元。 测试结果表明，该识别方案具有很强的抗畸变、抗旋转能力
11、。由于人工神经网络具有并行处理和很强的容错性等特点，因此有可能大大提高手写体字母数字识别的准确率和速度 。这些4都是在实际应用中必须考虑和衡量产品优劣的重要依据。在工程中 BP 算法一样应用广泛，比如在排障方面一个简单的算法结合 MATLAB 就能够大幅度提高判断准确性， BP 神经网络算法构建的模型在直流电机当中能及时、有效、准确的进行状态监视和故障诊断 。现在3在工程上要求的系统需要的就是稳定性和准确性。而在当今社会当中应用在预测模型上也是很多的，由于其良好的非线性品质，灵活的学习方式，在实际生活中被广泛利用。但是诸如以上应用都不是标准的 BP 算法可以得到良好解决的，从实际情况考虑 BP
12、 神经网络算法在原始的标准算法上被加以改进，主要有两种途径，一种是采用启发式学习算法，另一种则是采用更有效地优化算法。就如手写体字母识别的系统中，为了系统能够减少复杂度，利用了 BP 算法和传统识别系统相结合的方法，让识别系统达到相对理想状态。而直流电机的排障系统当中，由于网络比较小，内存空间足够，采用 Le v e n b e r g Ma r q u a r d 这种算法比较恰当。由此可以看出， BP 算法也是具有局限性的，这个我们在下面会说到，所以不是那都可以应用得到，在训练样本之前应该先明白自己系统的特点及其要求，结合相应的算法做出最优选择。在设计 BP 神经网络的模型时候，选择好输入
13、量也是很重要的，只有选择好的输入信号才能很好的训练接下来的样本。在实际应用中，只有把输入量确定好，才能很好的解决系统的复杂度，在我看来这也是在改进 BP 算法上的重要一环，我在查阅了很多 BP 算法应用得学术期刊，当中很多作者都是能够阐述出选择这个输入量的原因，并且在训练过程中能够感受得到对其研究成果的优化作用，这些才是设计者必须的考虑的因素之一。（四） BP 网络的局限性BP 神经网络的几种改进方法在理论上是可以改进训练速度的，但是在实际应用中速度还是不够，只能够适应一般的递增训练，需要较高的收敛速度就需要在外部条件允许下改用其他的训练方法 ，如： Levenberg-Marquardt 训
14、练法，其对内存空间要求大 。8 3还有设计出来的系统一般应用于线性和非线性系统中，对于任意函数模拟逼近，但是有些时候 BP 网络不一定总会有解的 。1网络隐层神经元的数目也对网络有一定的影响，神经元数目太少会造成网络的不适性，而神经元数目太多又会引起网络的过适性 。2（五） 结语BP 神经网络的算法在当今的实际应用中渐渐被人们所熟知，大部分的神经网络模型都采用 BP 网络及其变化形式。尤其它在信息处理方面的重要性，体现了人工神经网络的精华。本文结合 BP 算法在实际几个方面的应用对 BP 算法进行了分析说明，为进一步了解 BP神经网络提供了便捷。参 考 文 献 1 张猛等. 手写体数字识别中图
15、像预处理的研究 J . 微计算机信息, 2006 2 马少平等. 基于模糊方向线索特征的手写体汉字识别 J .清华大学学报, 1997 3 崔立志等. B P 神经网络在直流电动机故障诊断方面应用的设计和实现 J .电气开关，2005 4 王 毅等. 应用 BP 神经网络进行手写体字母数字识别 J .电脑知识与技术,2008 5 尚 宁等. 基于 BP 神经网络的路口短时交通流量预测方法 J ,中国期刊,2007 6 张小峰等 . 河道岸线变形神经网络预测模型研究 J . 北京：水利电力出版社,2002 7 韩力群. 人工神经网络教程 TP .北京邮电大学出版社,2006 年 12月第一版 8
16、 董长虹,Matlab 神经网络与应用 TP .国防工业出版社，2007 年 9月第一版 9 郭 磊. BP 神经网络的基本原理 J .2005 10 LI Cun-bin. A new grey forecasting model based on BP neural network and Markov chain J .中国期刊杂志,2007毕业设计（20_ _届）基于 BP 神经网络的数字字母识别系统设计系统分析设计摘 要神经网络的概念、原理和设计是受生物、特别是人脑神经系统的启发提出的。其中 BP 网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP
17、 网络能学习和存贮大量的输入- 输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。本次主要是研究 BP 神经网络对于数字 0-9 这 10 个数字的识别.在本识别系统当中首先对输入的数据进行预处理,成为网络能理解的信号,在输入断设计一个 4 7 的网格,即 28 个输入分量, 用数字 19 表示网络的序号,每个数字在其所排顺序位置输出 1,其他位置输出 0。而输出向量则选择 10 个元素，数字字母在数字表中所占位置处元素为 1，其他位置为 0。根据上述所安排，输入向量具有 28 个元素，网络输出就是反映数字字符所在位置的具有 10个元素的输出向量。如果网络正确，那么输入一个数字字符，
18、网络就能输出一个向量，它对应位置的元素值为 1，其他位置的元素值为 0,如识别数字 5 则输出端为 Y5=(0000100000).测试结果表明 BP 神经网络在识别系统的可行性和可靠性,在的测试过程中还发现 BP 神经网络对于识别系统的识别率还有很大的提升空间,还有待自己的探索和研究.关键词： BP 神经网络；特征向量提取;模式识别；图像处理AbstractNeural network concept, principle and design is affected by biology, especially people the inspiration of nerve system
19、proposed . Among them is a kind of BP network error back propagation algorithm according to the multilayer network, training is the most widely used one of the neural network model . BP network can learn and store a lot of input/output model mapping relationship without prior reveal, describes the m
20、apping relation mathematical equations. This is mainly studies the BP neural network for digital 0-9 this 10 digital identification. In this recognition system of input data of first pretreatment, become network can understand in the input signal, broken design a 4 7 grid, namely 28 input component
21、with the number 1 9, the serial number, each network said in its tier order digital output 1, other position position output zero. And output vector chooses 10 elements in digital form, digital letters in a proportion of 1 position elements other positions to 0. According to the above arrangement, t
22、he input vector has 28 elements, network output is reflected the location of the digital characters with 10 elements output vector. If the network is correct, then enter a digital characters, the network can output a vector, and its corresponding positioned elements value 1, other positioned element
23、s value 0, such as identification number five is output terminal for Y5=(0000100000).Test results show that the BP neural network in recognition system, the feasibility and reliability of the testing process also found BP neural network for the recognition and recognition system greatly improved space, remains to be their own exploration and research. Key Word: BP neural network； pattern recognition ；eigenvector；Image processing
