智能控制大作业 课设

智能控制论文

BP神经网络的简要介绍

学院：电气工程学院

专业班级：xxx

姓名： xxx 学号：xxx

BP神经网络的简要介绍

BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，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。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阈值，使网络的误差平方和最小。BP 神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。

所以网络学习的准则应该是：如果网络作出错误的的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图象模式输入给网络，网络将输入模式加权求和、与门限比较、再进行

非线性运算，得到网络的输出。在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能作出正确的判断。

如果输出为“0”(即结果错误)，则把网络连接权值朝着减小综合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式输入时，减小犯同样错误的可能性。如此操作调整，当给网络轮番输入若干个手写字母“A”、“B”后，经过网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功，它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够作出迅速、准确的判断和识别。一般说来，网络中所含的神经元个数越多，则它能记忆、识别的模式也就越多。

如下图所示拓扑结构的单隐层前馈网络，一般称为三层前馈网或三层感知器，即：输入层、中间层（也称隐层）和输出层。它的特点是：各层神经元仅与相邻层神经元之间相互全连接，同层内神经元之间无连接，各层神经元之间无反馈连接，构成具有层次结构的前馈型神经网络系统。单计算层前馈神经网络只能求解线性可分问题，能够求解非线性问题的网络必须是具有隐层的多层神经网络

在人工神经网络发展历史中，很长一段时间里没有找到隐层的连接权值调整问题的有效算法。直到误差反向传播算法（BP算法）的

提出，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。

智能控制论文

指纹识别的原理和方法

学院：电气工程学院

专业班级：xxx

姓名： xxx 学号： xxx

指纹识别的原理和方法

指纹识别技术作为一个新的IT技术领域，自身具有许多新的概念。了解指纹识别技术的概念有助于准确的理解指纹识别技术。

指纹识别系统经过人工识别到机器识别的发展之后，进入自动识别阶段，称为自动指纹识别系统（AFIS）。一个典型的自动指纹识别系统，包括与人交互的前端子系统――自动指纹采集设备、完成指纹图像处理和特征值提取的后台子系统，以及用于指纹库存储的数据库子系统。当后台子系统用于指纹注册过程时，可以称为指纹注册子系统。当它用于指纹辨识过程时，称为指纹辨识子系统。注册与匹配指纹注册又叫指纹登记。是从指纹图像中提取指纹特征值，形成指纹特征值模板，并与人的身份信息结合起来，存储在指纹识别系统中的过程。它相当于为指纹报户口。所以指纹注册的时候，需要保证指纹与身份信息之间的正确对应。尤其对于政府、社团、公司等单位进行指纹注册时，防止冒名顶替，避免指纹与身份信息关联错误，是非常重要的。因此在这类指纹应用中，指纹登记的过程，需要现场督导人员参与。甚至把督导人的指纹采集到系统中，作为注册者指纹特征值模板的组成部分，以示职责之重要，并为后续责任审计提供依据。

识别与验证并不是指纹识别算法领域的问题，而是指纹识别系统的问题。指纹识别是指在1：N模式下匹配指纹特征值。它是从多个指纹模板中识别出一个特定指纹的过程。其结果是，“有”或者“没

有”。有时会给出“是谁”的信息。

指纹验证是指在1：1模式下匹配指纹特征值。它是拿待比对的指纹特征模板与事先存在的另一个指纹特征模板进行一次匹配的过程。其结果是“是不是”。在一个系统中既可以采用1：1模式也可以采用1：N模式，这是取决于应用系统的特点和要求。有时候还可以业务模式的需要，把1:N模式转化为1:1模式以提高系统安全性和比对速度。

目前，从实用的角度看，指纹识别技术是优于其他生物识别技术的身份鉴别方法。这是因为指纹各不相同、终生基本不变的特点已经得到公认。

最早的指纹识别系统应用与警方的犯罪嫌疑人的侦破，已经有30多年的历史，这为指纹身份识别的研究和实践打下了良好的技术基础。特别是现在的指纹识别系统已达到操作方便、准确可靠、价格适中的阶段，正快速的应用于民用市场。

指纹识别系统通过特殊的光电转换设备和计算机图像处理技术，对活体指纹进行采集、分析和比对，可以迅速、准确地鉴别出个人身份。系统一般主要包括对指纹图像采集、指纹图像处理、特征提取、特征值的比对与匹配等过程。现代电子集成制造技术使得指纹图像读取和处理设备小型化，同时飞速发展的个人计算机运算速度提供了在微机甚至单片机上可以进行指纹比对运算的可能，而优秀的指纹处理和比对算法保证了识别结果的准确性。

指纹自动识别技术正在从科幻小说和好莱坞电影中走入我们实际