1. 研究目的与意义
实现人工智能是人类长期以来一直追求的梦想，而神经网络是人工智能研究领域的核心之一。人工神经网络是一种模仿生物神经网络的计算模型，自1943年最早提出的M-P模型发展至今，有诸多的理论成果，如卷积神经网络、BP神经网络等，其中BP神经网络应用范围最广。人工神经网络由于具有分布性、并行性、容错性、自适应性等良好的性质，被广泛应用于各个领域，因此对人工神经网络的研究具有重要的意义。
2. 研究内容和预期目标
本次研究就是研究神经网络算法的发展历程及基本原理和特点等，用神经网络算法具体的解决实际问题，在解决问题的过程中争取获得全新的收获。论文主要分为以下三个部分：
第一部分，着重介绍神经网络模型的发展和核心思想。通过整理国内外学者的研究成果，详细总结国内外研究状况和发展前景。
第二部分，介绍神经网络的几个经典模型，如 m-p 模型、bp 神经网络模型，卷积神经网络模型。
3. 国内外研究现状
启蒙时期（1969年以前），在1943年生物学家m. s. mcculloch 和数学家w. a. pitts 提出了m-p模型开创了神经网络科学理论研究的新时代，后来陆续有学者投入到神经网络的研究中；1969年m. minsky 和s. papert 发表了《感知器》一书，一度使神经网络的研究陷入低潮。
过度时期（1972年至1986年），尽管这个时期受到了悲观论的影响，但随着计算机的迅猛发展为人工智能提供了强大的计算支持，在这一阶段有学者提出了#8220;联想储存器#8221;、#8220;交互存储器#8221;等模型；直到1982年物理学家john hopfield 博士提出hopfield网络，使各学科再次关注神经网络；1986年，rumelhart 与mcclelland提出的bp神经网络是现在应用最广的人工神经网络。
发展新时期（1987至今）自bp神经网络提出后，神经网络受到国内外的关注；2006年，深度学习神经网络再一次掀起人工神经网络的研究热潮；2012年，计算机学家吴恩达和系统专家jeff dean共同研究深度神经网络的机器学习模型在语音识别和图像识别等领域获得巨大成功。
4. 计划与进度安排
1.研究目标：
1）通过对人工神经网络的学习，了解神经网络算法的基本原理以及编程方法。
2）通过对实际问题建立数学模型，并应用神经网络算法进行求解，解决实际问题。
5. 参考文献
[1]张德丰等编著.matlab神经网络应用设计[m].机械工业出版社，2009.1
[2]曾毅等.类脑智能研究的回顾与展望[j].计算机学报，2016（39）
[3]卓金武.matlab在数学建模中的应用[m]，北京航空航天大学出版社，2011.4
