1、“.....建立理论模型根据生物圆形的研究，建立神经元神经网络的理论模型，其中包括概念模型知识模型物理化学模型数学模型等。网络模型与算法研究在理论模型研究的基础上构成具体的神经网络模型，以实现计算机模拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。神经网络应用系统在网络模型与算法研究的基础上，利用神经网络组成实际的应用系统，例如，完成种信号处理或模式识别的功能构成专家系统制成机器人等。神经网络研究目前存在的问题人工神经网络的发展具有强大的生命力。当前存在的问题是智能水平还不高，许多应用方面的要求还不能得到很好的满足网络分析与综合的些理论性问题还未得到很好的解决。例如，由于训练中稳定性的要求学习率很小，所以梯度下降法使得训练很忙动量法因为学习率的提高通常比单纯的梯度下降法要快，但在实际应用中还是很慢。针对千变万化的应用对象......”。

2、“.....编制些特定的程序软件求解，耗费了大量的人力和物力。而这些软件往往只针对方面的问题有效，并且在人机接口用户友好性等诸多方面存在定的缺陷。在微机飞速发展的今天，很多都已不能满足发展的需要。二〇〇九年五月十二日星期二神经网络的应用神经网络理论的应用取得了令人瞩目的发展，特别是在人工智能自动控制计算机科学信息处理机器人模式识别等方面都有重大的应用实例。下面列出些主要应用领域模式识别和图像处理。印刷体和手写字符识别语音识别签字识别指纹识别人体病理分析目标检测与识别图像压缩和图像复制等。控制和优化。化工过程控制机器人运动控制家电控制半导体生产中掺杂控制石油精炼优化控制和超大规模集成电路布线设计等。预报和智能信息管理。股票市场预测地震预报有价证券管理借贷风险分析卡管理和交通管理。通信。自适应均衡回波抵消路由选择和网络中的呼叫接纳识别和控制......”。

3、“.....南京摘要本文首先说明课题研究的目的和意义，评述课题的国内外研究现状，引出目前存在的问题。然后分析了神经网络算法的基本原理，给出经典神经网络算法的具体实现方法，总结神经网络算法的特点，并给出神经网络算法的基本流程。采用软件编程实现神经网络算法。将神经网络算法应用于函数逼近和样本含量估计问题中，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......”。

4、“.....是由大量的简单的处理单元称为神经元广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是个高度复杂的非线性动力学系统。神经网络具有大规模并行分布式存储和处理自组织自适应和自学习能力，特别适合处理需要同时考虑许多因素和条件的不精确和模糊的信息处理问题。神经网络的发展与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化预测等领域得到成功应用。神经网络与其他传统，与模糊系统遗传算法进化机制等结合，形成计算智能，成为人工智能的个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快......”。

5、“.....光电结合的神经计算机为人工神经网络的发展提供了良好条件。神经网络的发展与研究现状神经网络的发展神经网络起源于世纪年代，至今发展已半个多世纪，大致分为三个阶段。世纪年代世纪年代第次研究高潮自年模型开始，至世纪年代为止，这段时间可以称为神经网络系统理论发展的初期阶段。这个时期的主要特点是多种网络的模型的产生与学习算法的确定。世纪年代世纪年代低潮时期到了世纪年代，人们发现感知器存在些缺陷，例如，它不能解决异或问题，因而研究工作趋向低潮。不过仍有不少学者继续对神经网络进行研究。提出了自适应共振理论提出了自组织映射提出了神经认知网络理论提出了模型提出了理论等。这些都是在世纪年代和世纪年代初进行的工作。世纪年代年代第二次研究高潮进入世纪年代，神经网络研究进入高潮。这个时期最具有标志性的人物是美国加州工学院的物理学家。他于年和年在美国科学院院刊上发表了两篇文章......”。

6、“.....即最著名的模型。网络是个互连的非线性动力学网络，它解决问题的方法是种反复运算的动态过程，这是符号逻辑处理方式做不具备的性质。世纪年代后期到年代初，神经网络系统理论形成了发展的热点，多种模型算法和应用被提出，研究经费重新变得充足，使得研究二〇〇九年五月十二日星期二者们完成了很多有意义的工作。神经网络的现状进入世纪年代以来，神经网络由于应用面还不够宽，结果不够精确，存在可信度问题，从而进入了认识与应用研究期。开发现有模型的应用，并在应用中根据实际运行情况对模型算法加以改造，以提高网络的训练速度和运行的准确度。充分发挥两种技术各自的优势是个有效方法。希望在理论上寻找新的突破，建立新的专用通用模型和算法。进步对生物神经系统进行研究，不断地丰富对人脑的认识。神经网络的研究内容和目前存方法相组合，将推动人工智能和信息处理技术不断发展。近年来，神经网络在模拟人类认知的道路上更加深入发展......”。

7、“.....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，控制系统设计，系统仿真等诸多领域。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，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，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，它的组织能够模拟生物神经系二〇〇九年五月十二日星期二统对真实世界物体所作出的交互反应......”。

8、“.....是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。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通过揭示物理平面与认知平面之间的映射，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，如模式语音识别非结构化信息处理方面的缺陷，使之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。人工神经网络与其它传统方法相结合......”。

9、“.....近年来，人工神经网络正向模拟人类认知的道路上更加深入发展图所示，改进后的线性回归结果如图所示。图训练过程，二〇〇九年五月十二日星期二图三种误差曲线平方差时间同样将所有的数据都放在整个数据集中，包括训练数据验证数据和测试数据，然后网络输出和相应的期望输出向量进行线性回归分析。最后线性回归的输出结果如图所示。二〇〇九年五月十二日星期二图线性回归结果线性回归线性回归线性回归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。结束语本文首先总结了神经网络的研究目的和意义，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......”。