样条权函数神经网络算法研究及其应用

人工神经网络是由大量简单的神经元以不同方式相互作用而形成的复杂网络系统,具有高度的自适应性、自学习能力和非线性全局作用。目前,人工神经网络在许多领域得到广泛的应用,解决了许多复杂问题。本文首先对神经网络和三次样条基本理论知识做简单介绍,其次分别介绍样条权函数神经网络在高校成绩预测中的应用和神经网络在手写体识别中的应用,主要研究内容如下： 首先,利用样条神经网络建立某高校成绩预测模型。在神经网络结构上,只有输入和输出层,主要使用分段三次样条函数建立网络权函数。本文选用五组样本数据进行网络训练,在每个样本区间内分别利用分段三次样条插值建立权函数,确定对应区间网络的插值系数,同时本文又选取二十组数据进行仿真,根据网络训练结果得到每个输入样本的网络输出,并将其求和作为此输入样本的总输出,即得到网络训练的预测值,与实际值进行对比,误差较小,仿真结果符合精度要求,实验效果好。 其次,利用神经网络的稳定性且区分度高的特点,提出基于CMAC(Cerebellar Model Articulation Controller)神经网络的文字识别技术,做出手写体文字识别系统界面,为理论的实用性提供保证。通过仿真实验可以看出,本文中提到的CMAC文字识别技术在文字识别率和文字特征提取上都有很大改善,该方法可以推广到对许多相似字符的区分上。并在此基础上用样条权函数神经网络对其进行了改进,使得识别速度更快,效果更好。 最后,总结全文的研究工作,并展望进一步的研究工作。