资 源 简 介
本课题设计主要实现5种神经网络模型：BP网络，线性神经网络，Hopfield网络，RBF网络，Elman网络。并开发一个图形用户界面系统能够动态演示相关神经网络模型的实现过程，给出了实现结果。
设计（研究）的重点与难点，拟采用的途径（研究手段）：
重点难点： 从众多的神经网络模型和网络算法中，选定几种合适的网络模型进行仿真和模拟；进行创建，训练和仿真；用训练函数来调整权值；选定用来训练的样本值；绘出分类图和误差分析图；对各种神经网络模型的优点和缺点进行比较分析。
采用途径：Matlab有出色的数值计算能力，用它来模拟和处理神经网络模型有着很高的效率，可以达到比较理想的效果。Matlab中有自带的神经网络工具箱，可以提高开发速度和效率。使用方便，高效。
文 件 列 表
原文及翻译
leow.rep-schema.pdf
场景分析中的神经网络视觉计划表示.doc
毕业设计开题报告.doc
湖南大学毕业设计（论文）任务书.doc
程序清单.doc
程序源代码
AboutDlg.fig
AboutDlg.m
BHEAT.asv
BHEAT.fig
BHEAT.m
BPchilunInput.mat
BPchilunTarget.mat
BPchilunTest.mat
BPdevInput.mat
BPdevresult.m
BPdevTarget.mat
BPdevTest.mat
BPNN.asv
BPNN.fig
BPNN.m
BPresult.m
BP_Axles.asv
BP_Axles.fig
BP_Axles.m
BP_Classifer.asv
BP_Classifer.fig
BP_Classifer.m
DIN.mat
DIN2.mat
Elman.asv
Elman.fig
Elman.m
Hopfield.asv
Hopfield.fig
Hopfield.m
huireInputData.mat
lineD.mat
LNN.asv
LNN.fig
LNN.m
RBF.asv
RBF.fig
RBF.m
RBFinputData.mat
RBFresult.asv
RBFresult.m
RBFtargetData.mat
RBFtestData.mat
RBF_FaultJ.asv
RBF_FaultJ.fig
RBF_FaultJ.m
SOMpopulData.mat
SOMporesult.m
SOMresult.m
SOMsoildata.mat
SysGui.asv
SysGui.fig
SysGui.m
S_People.asv
S_People.fig
S_People.m
S_SOIL.asv
S_SOIL.fig
S_SOIL.m
