1、“.....而选用已训练好的权值和阈值仅用个回合就完成了训练，因此选择合适的初始化权值和阈值将加速网络的训练，大大提高了学习的收敛速度。因此关于设置网络初始权值和阈值的优化方法是个值得研究的问题。其他影响因素仿真在算法选择上，在下面的仿真中将使用算法测试其他影响因素，比如通过选择不同的激活函数修改学习步长和目标误差等观察对仿真曲线的影响程度。如果将输入层激活函数设置为其余不变则会产生如下结果经过多次反复实验，有时不能达到目标误差，有时又很快达到目标误差......”。

2、“.....如果将输入层激活函数设为，则学习很快收敛且达到目标误差，仿真效果很好，且多次仿真结果比较稳定，明显要比输入层激活函数设为要好。如果将这三层神经元的激活函数都设置为的话，在多次试验中，训练回合数为，均未达到目标误差的要求。讨论综上两种情况比较下，其中当隐层神经元为五个时，前面两个输出期望值的跟踪较好，相应的值几乎达到了，而第三个输出则吻合得不是很理想，作进步研究，在当隐层数据为时，较第种情况，它的输出更加接近于期望值。比较可知，当隐层数目越多，则测试得到的样本水平越接近于期望值......”。

3、“.....介绍了神经网络的研究背景和现状，分析了目前神经网络研究中存在的问题，然后描述了神经网络算法的实现以及神经网络的工作原理，给出了网络的局限性。在以神经网络为基础的前提下，分析研究了神经网络在函数逼近和样本含量估计两个实例中的应用。近年来，人工神经网络正向模拟人类认知的道路上更加人工神经网络，将在模式识别组合优化和决策判断等方面取得传统计算机所难以达到的效果。人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉......”。

4、“.....了解它们相互联系和相互作用的机理，从而揭示思维的本质，探索智能的本源。争取构造出尽可能与人脑具有相似功能的计算机，即神经网络计算机。研究仿照脑神经系统的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。近年来通过对人工神经网络的研究，可以看出神经网络的研究目的和意义有以下三点神经网络是由具有适应性的简单单元组成的广泛并行互连的网络......”。

5、“.....人工神经网络就是模拟人思维的种方式，是个非线性动力学系统，其特色在于信息的分布编写各种网络设计与训练的子程序，网络的设计者可以根据需要调用工具箱中有关神经网络的设计训练程序，使自己能够从烦琐的编程中解脱出来，减轻工程人员的负担，从而提高工作效率。人工神经网络的研究背景和意义人工，简称，为解决这个矛盾提供了便利条件。神经网络工具箱提供了很多经典的学习算法，使用它能够快速实现对实际问题的建模求解。在解决实际问题中，应用语言构造典型神经网络的激活传递函数，控制系统设计......”。

6、“.....为了解决神经网络问题中的研究工作量和编程计算工作量问题，目前工程领域中较为流行的软件，提供了现成的神经网络工具箱经网络在模拟人类认知的道路上更加深入发展，并与模糊系统遗传算法进化机制等组合，形成计算智能，成为人工智能的个重要方向。是种科学与工程计算的高级语言，广泛地运用于包括信号与图像处理，处理能力，克服了传统人工智能方法对于直觉的缺陷，因而在神经专家系统模式识别智能控制组合优化预测等领域得到成功应用。神经网络与其他传统方法相组合，将推动人工智能和信息处理技术不断发展......”。

7、“.....神神经科学数理科学认知科学计算机科学人工智能信息科学控制论机器人学微电子学心理学微电子学心理学光计算分子生物学等有关，是门新兴的边缘交叉学科。神经网络具有非线性自适应的信息处神经科学数理科学认知科学计算机科学人工智能信息科学控制论机器人学微电子学心理学微电子学心理学光计算分子生物学等有关，是门新兴的边缘交叉学科。神经网络具有非线性自适应的信息处理能力，克服了传统人工智能方法对于直觉的缺陷，因而在神经专家系统模式识别智能控制组合优的神经网络工具箱采用软件编程实现神经网络算法......”。

8、“.....并分析相关参数对算法运行结果的影响。最后对神经网络算法进行了展望。关键字神经网络神经网络函数逼近，目录摘要目录前言绪论人工神经网络的研究背景和意义神经网络的发展与研究现状神经网络的研究内容和目前存在的问题神经网络的应用神经网络结构及神经网络神经元与网络结构神经网络及其原理神经网络的主要功能网络的优点以及局限性神经网络在实例中的应用基于的神经网络工具箱函数网络在函数逼近中的应用仿真实验结论参考文献致谢前言神经网络是目前人工神经网络模式中最具代表性......”。

9、“.....具有自学习自组织自适应和很强的非线性映射能力，可以以任意精度逼近任意连续函数近年来，为了解决网络收敛速度慢，训练时间长等不足，提出了许多改进算法然而，在针对实际问题的网络建模过程中，选择多少层网络，每层多少个神经元节点，选择何种传递函数等，均无可行的理论指导，只能通过大量的实验计算获得中的神经网络工具箱，简称，为解决这问题提供了便利的条件神经网络工具箱功能十分完善，提供了各种函数，包括神经网络的建立训练和仿真等函数，以及各种改进训练算法函数......”。