神经网络模式识别

机器视觉原理与案例详解
工控帮教研组编著
电子工业出版社
2020.7
ISBN 978-7-121-39084-5

一、神经网络模式识别

1、定义

• 神经网络是由大量简单的处理单元互连而成的复杂网络，起源于对生物神经系统的研究。

• 它将若干处理单元（即神经元）通过一定的互联模型连接成一个网络，这个网络通过一定的机制（如BP网络）模仿人的神经系统，以达到识别、分类的目的。

• 神经网络模式识别与其他识别方法的最大区别：它不要求对待识别的对象拥有太多的分析与了解，具有一定的智能化处理的特点。
  神经网络模式识别具有大规模并行、分布式存储和处理、自组织、自适应和自学习的能力，特别适用于处理需要同时考虑多个因素和条件、不精确、模糊的信息处理问题。

2、优点

• 神经网络由模式的基元互连而成，能够反映局部信息，可以处理一些环境信息复杂、背景知识未知、推理规则不明确的问题。
  即便样品中存在较大缺损或畸变，也能应用神经网络模式识别进行纠正。

3、缺点

• 由于神经网络的模式不断变化，因此，应用此方法进行识别的模式数量有限。