懒懒YF
简单说，神经就是神经元，用于存储单个的信息，网络就是利用各神经元共同协作处理信息的功能。这是人脑的处理方式，而人工神经网络就是模拟人脑来处理各种问题。应用在图像识别上，就是预先将已知的图像特征分成很多个小点，逐个作为神经元存储，这点是必须的，在神经元存储到一定范围后，就可以应用神经网络的协作能力去识别其他的图像了。另外，神经网络还有学习记忆功能，他会在实际使用中不断丰富自己的神经元，从而使后面的图像识别更加快速，准确。 你的论文应该更多的强调神经网络的优越性，至于算法等概念，理解后，作为介绍COPY过来就好。相关书籍：《神经网络》作 者： 候媛彬，杜京义，汪梅 出 版 社： 西安电子科技大学出版社 这本书我没看过，我们自编的教材中有部分资料是参考这里的。 
海州矿露天井工联合开采工程现场勘察资料不足，而进行矿山地质环境治理工程设计时，应以100m间距的剖面进行设计较为合理。但现只有12个剖面有详细的勘察资料和物理力学参数，并给出了设计参数(见第6章)。为此，尝试采用神经网络方法确定未知剖面W1、E3、E9、E11、E15、E21剖面的治理方案。鉴于矿山地质环境治理的协调性需要，以削坡后安全系数、总边坡角和各台阶坡面角为输出参数;输入参数与前类似，取为容重、黏聚力、内摩擦角、坡高、采深采厚比、采空区面积、煤层倾角。鉴于勘察资料不足，预测时的物理力学参数取为平均值。鉴于海州矿矿坑边坡高达350m，采用局部抗滑桩、挡土墙或锚索支护效果不明显且费用高，为此拟定治理方案采用削坡压脚，设定台阶段高10m，坑底回填同一标高-90m。而各剖面需根据具体需要设定相应的削坡总边坡角和各台阶坡面角。第3节中，对已知的12个剖面，其中，W3～E21区域拟采用削坡压脚的方法进行治理。分析表明，设计的削坡压脚方法满足稳定性要求，达30以上。可以作为剖面设计的合理学习样本。建立计算样本及结果如下表6-14。表6-14 学习样本及参数将学习样本代入神经网络程序学习，建立输入-输出模型。用 W1、E3、E9、E11、E15、E21剖面的参数网络，进行输出预测。输入参数见表6-15。表6-15 预测样本输入参数将该表输入训练好的网络，预测结果及误差见表6-16所示。表6-16 神经网络预测结果该表数据与表6-15的设计参数共同形成了海州矿南帮逆层边坡治理的各剖面削坡治理方案。可见，削坡总边坡角在32°～32°是合适的，台阶坡面角在39°～49°是合适的。相应各削坡剖面安全系数均达到30以上。
