i
gi
detailThethirdpartgivestheprocesssomeideasa
drelateddetailsi
systemdesig
i
gwhichalsoi
cludessomecorecodeThefourthpartdisplaysaru
i
gexamplea
dstatisticsofthesystemThefifthpartisaselfevaluatio
ofthesystema
dapproximati
gprocessThesixthpartistheco
clusio
KeywordsBP
eural
etwork；Fu
ctio
approximatio
；Simulatio
II
f目录
序言1第1章BP神经网络简史及数学基础3
11BP网络的历史发展、能力及优缺点312BP网络模型及BP算法简介与推导3
121BP网络模型及算法3122梯度下降法5123BP算法推导6
第2章本系统所采用的BP网络模型及逼近函数若干要点9
21神经网络模型9
22逼近函数及相关参数9
第3章系统设计思路、过程及相关细节10
31本次仿真系统设计思路及界面展示10
32系统设计及仿真过程与体会15
321设计过程15322体会1633核心代码展示16
331相关数据结构说明16332核心代码17
第4章系统运行及仿真实例21
41系统运行实例21
42设置网络参数的经验总结23
第5章系统自我认识与评价24第6章结束语25参考文献26致谢27
f序言
人工神经网络（ArtificialNeuralNetworks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Co
ectio
istModel），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
思维学一般认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。
逻辑性的思维是指根据逻辑规则进行r