摘要：性别识别是计算机识别中的一个活跃话题，基于人工神经网络的性别识别方法近年成为人类研究的热点。人工神经网络和人类的神经大脑连接网络十分相似，都拥有很强的学习计算能力，也是一种先进的机械学习计算方法，其中较为成熟用的最多的就是BP神经网络。BP网络有多层反馈神经，应用在信息分类，整理等方面。

本文设计了一个BP神经网络，通过对身高体重的数据的深度训练，不断修正权值和阈值，逐渐减小实际输出和期望之间的误差，最终达到较高的识别率。文中对神经网络算法进行了深度的讨论，不同的算法代表着神经网络的结构和训练模式的不同，本文运用了最速下降法来作为基本算法。由于传统性别识别方法具有很大的局限性且识别过程过于复杂，所以通过python仿真程序模拟了BP神经网络，在对数据样本进行整合处理后，输入训练好的神经网络得到测试结果。

关键词：BP神经网络；性别识别；Python

目录

摘要

Abstract

1 绪论-1

1.1 课题背景及意义-1

1.2 研究历史及优点-1

1.3 本文研究内容-2

1.4 本文组织结构-2

2 BP神经网络相关理论-3

2.1 神经网络的定义-3

2.2 神经网络的原理-3

2.2.1 生物神经网络-3

2.2.2 感知器神经网络-4

2.3 BP神经网络-5

2.3.1 BP神经网络介绍-5

2.3.2 BP神经网络性质-6

2.3.3 BP神经网络的训练-6

3 BP神经网络系统设计-8

3.1 算法过程-8

3.2 动作过程-10

3.2.1顺传过程-10

3.2.2逆传播过程-11

3.2.3反复训练收敛过程-11

3.2.4模式识别预测-11

3.3 系统界面设计-12

4 系统测试-14

结    论-17

参 考 文 献-18

致    谢-19