论文部分内容阅读
人工神经网络（简称神经网络，Neural Network）是模仿人类大脑思维方式的数学模型。神经网络是在现代生物学研究人类大脑生理结构的基础上建立的网络结构，用于模仿人脑的网络结构和行为，它从功能和结构上对人类大脑进行简化和抽象，是模拟人类智能的重要方法。 上世纪80年代，神经网络的研究取得了突破性进展。神经网络与控制理论相结合能够解决复杂的非线性、不确定系统的控制问题。人工神经网络的研究可分为三个主要领域：神经网络理论研究、神经网络应用研究和神经网络实现技术研究。神经网络的实现技术可以分为全硬件实现和虚拟实现两个方面，相对于软件实现，硬件实现更能发挥神经网络的快速性和大规模并行计算的优点，更有现实意义，因而神经网络的硬件实现技术是神经网络研究的重要领域。 本文首先介绍了神经网络的理论知识以及国内外对于神经网络的研究现状和主要的研究方向；然后介绍了常用的神经元模型，重点介绍了BP神经网络模型和算法，总结了BP算法的局限性及其改进算法；最后重点研究了人工神经网络的硬件实现技术，并成功实现了单神经元模型和Sigmoid函数，在此基础上实现了一个2-3-1的BP神经网络。