数学建模讲座 人工神经网络建模方法 唐志刚 EML: 一. 什么是人工神经网络 人工神经网络(ANN) 具有自学习、自组织、 较好的容错性和优良的非线性逼近能力。 在实际应用中，80% 90% 的人工神经网 络模型是采用误差反传算法或其变化形式 的网络模型。二.ANN 能干什么？ 拟合 预测 分类 聚类分析 ( 函数逼近) 数学近似映射三. 神经网络模型和网络结构 神经元模型 连接方式 学习方式 网络结构四、建立和应用神经网络的步骤 （1 ）网络结构的确定 包含网络的拓扑结构和每个神经元相应函数的选取； （2 ）权值和阈值的确定 通过学习得到，为有指导的学习，也就是利用已知的 一组正确的输入、输出数据，调整权和阈值使得网络输出 与理想输出偏差尽量小； （3 ）工作阶段 用带有确定权重和阈值的神经网络解决实际问题的过 程，也叫模拟（simulate ）。 神经元 大脑可视作为1000 多亿神经元组成的神经网络 图1 神经元的解剖图神经元神经元模型 图中，x i (i 1，2，n) 为加于输入端( 突触) 上的 输入信号； i 为相应的突触连接权系数，它是模拟 突触传递强度的个比例系数,
