推荐星级：

神经网络在数学建模中的应用

更新时间：2020-01-04 01:05:47 大小：4M 上传用户：xuzhen1 查看TA发布的资源 标签：神经网络数学建模 下载积分：2分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

神经网络（Neural Nerwork-NN）是当今最具魅力的一个新兴学科生长点，已发展成为现代科学技术的新热点，其迅猛发展将对整个信息科学产生巨大的影响。神经网络在数学建模中的应用也非常的广泛。

本文首先概述了人工神经网络的基础理论，接着阐述了神经网络的模型、结构、分类、特性。然后针对应用的目的，介绍了数学建模中常用两种的神经网络。常用的神经网络主要有两种：一种是基于误差反传算法的前馈神经网络，即BP神经网络，主要用来实现非线性映射；另一种是自组织神经网络，即SOM网，主要用来聚类和模式识别。

神经网络在数学建模中比较擅长的是联想记忆，作分类器，作预测，作参数选择，作控制器等等，这些问题都可以通过神经网络进行解决。

应用实例为2005年数学建模竞赛原题，使用“BP神经网络逼近法”预测算法模型，计算了观测站各时间段的预测值。“BP神经网络近法”为通用算法，优点是计算灵活，尤其对稳态随机过程的适近效果较好，对精度要求比较高的问题，可以很好的解决，而且可以作整体预测，因此是目前最流行的算法。它解决了两个实际问题，其一为函数逼近问题，其二为预测问题，重点论述了如何结合实际应用问题来进行数据预处理、网络建立、网络训练及结果分析，展示BP神经网络在应用上的能力。

最后，本文简要展望神经网络网络的发展前景，我们有理由相信，只要我们坚持不懈地努力，来自神经网络理论研究的一些新理论和新方法必将给2]世纪科学研究带来源