多层前馈结构模型，作为人工神经网络一种按照生物神经网络的复杂的信息处理机制，是一种模仿动物神经网络行为特征并进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。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，将推动人工智能和信息处理技术不断发展。
本文主要研究BP和RBF前馈神经网络及对其所做出的改进算法。首先介绍了BP神经网络及其优化算法。然后介绍了RBF神经网络及其优化算法。最后，结合免疫算法及RBF的部分优化算法提出了优化的IRBF前馈神经网络。
由于BP网络无论如何优化，都无法避免陷入局部最小和依赖于初始权值的情况；而传统的RBF的网络存在着中心节点难以确定的现象，对此本文讨论研究了多种RBF的优化算法。
本文利用UCI数据库中的数据集对模型进行测试，并讨论比较了结果。最后利用优化的IRBF前馈神经网络训练预测了欧洲水污染数据集，同时还开发出可以跟用户进行交互的分类预测模型软件。
--------------------------------------------------------------------------------------------------
论文以
论文组织结构如下：
第一章 绪论，简要介绍了本文的课题背景和国内外研究现状，探讨了
第二章 BP 神经网络，介绍了学习算法
第三章
第四章数据测试。介绍了
最后对本文的工作进行总结。
软件截图
本毕设作品包括源码（Java文件）、毕设论文、开题报告、文献综述、外文翻译、中期报告和答辩PPT，价格面议，有意向者联系 QQ：43495785（加时请注明意向）
