1、近年來，神經(jīng)網(wǎng)絡(luò)以其較強(qiáng)的自組織學(xué)習(xí)能力、容錯性、魯棒性及非線性處理能力等優(yōu)點在諸多領(lǐng)域廣泛應(yīng)用。其中，BP網(wǎng)絡(luò)（誤差反向傳播網(wǎng)絡(luò)）是最為成熟和應(yīng)用較為廣泛的一種。
　　 本文首先對BP神經(jīng)網(wǎng)絡(luò)實際運用中遇到的一些問題進(jìn)行討論。包括樣本的收集和預(yù)處理、拓?fù)浣Y(jié)構(gòu)的確定、訓(xùn)練學(xué)習(xí)過程中的局部極小問題，動量項的添加、學(xué)習(xí)因子的確定等問題，并討論了這些對網(wǎng)絡(luò)性能和泛化能力的影響。通過相關(guān)試驗，進(jìn)一步驗證和研究了這些問題。然后將BP神經(jīng)網(wǎng)

2、絡(luò)應(yīng)用到車牌識別系統(tǒng)，提出了基于灰度歸一化預(yù)處理的神經(jīng)網(wǎng)絡(luò)車牌字符識別方法。傳統(tǒng)車牌識別方法在輸入神經(jīng)網(wǎng)絡(luò)之前一般對圖像進(jìn)行二值化分割。目前，二值化方法大都存在閾值不好確定的問題，當(dāng)場景光照不均勻時，二值化分割會使字符筆畫模糊不清，使字符信息部分丟失，給后續(xù)識別帶來困難?；叶阮A(yù)處理算法把背景和目標(biāo)灰度值分布不同的字符圖像轉(zhuǎn)換為背景和目標(biāo)的灰度值分布大致相當(dāng)?shù)幕叶葓D像。實驗中，對識別率、識別錯誤原因、識別自適應(yīng)性等都做了統(tǒng)計分析，還與采用