人工神經(jīng)網(wǎng)絡(luò)評價法(完整版)
【正文】 件限制，導(dǎo)致得出的最佳方案與現(xiàn)實有較大誤差。強調(diào)大量神經(jīng)元之間的協(xié)同作用和通過學(xué)習的方法解決問題是人工神經(jīng)網(wǎng)絡(luò)的重要特征。由于模型的權(quán)值是通過實例學(xué)習得到的，這就避免了人為計取權(quán)重和相關(guān)系數(shù)的主觀影響和不確定性。隱含單元則處于神經(jīng)網(wǎng)絡(luò)之中，它從網(wǎng)絡(luò)內(nèi)部接受輸入信息，所產(chǎn)生的輸出則只作用于神經(jīng)網(wǎng)絡(luò)系統(tǒng)中的其它處理單元。而在每個循環(huán)中又分為兩個階段，即工作期與學(xué)習期。重復(fù)此過程，直到收斂于穩(wěn)態(tài)。增加層數(shù)主要可以進一步降低誤差，提高精度，但同時使網(wǎng)絡(luò)復(fù)雜化，從而增加了網(wǎng)絡(luò)權(quán)值的訓(xùn)練時間。對多層網(wǎng)絡(luò)進行訓(xùn)練時，首先要提供一組訓(xùn)練樣本，其中的每個樣本由輸入樣本和理想輸出對組成。 通常權(quán)值修正公式中還需加一個慣性參數(shù)α，從而有：上式中，α為常數(shù)項，稱為勢態(tài)因子，它決定上一次的權(quán)值對本次權(quán)值更新的影響程度。通常用網(wǎng)絡(luò)的均方根誤差來定量地反映學(xué)習的性能。三、實例分析現(xiàn)在用人工神經(jīng)網(wǎng)絡(luò)對電子行業(yè)企業(yè)的經(jīng)濟效益進行綜合評價為例，講解人工神經(jīng)網(wǎng)絡(luò)的BP 模型。四、步驟總結(jié)（1）確定評價指標集，指標個數(shù)為BP 網(wǎng)絡(luò)中輸入節(jié)點的個數(shù)。（9）反向傳播，修正權(quán)重。針對此，這里引入基于BP 神經(jīng)網(wǎng)絡(luò)的城市投資環(huán)境評價方法，通過對已有樣本模式的學(xué)習，獲取評價專家的知識、經(jīng)驗。設(shè)評價指標論域為 X＝{x1，x2，…，x37}，則輸入節(jié)點可定為 37；根據(jù)文獻得出 隱含層節(jié)點與輸入輸出節(jié)點數(shù)的經(jīng)驗優(yōu)化關(guān)系，確定隱含層節(jié)點數(shù)為 59；這里僅就城市綜 合投資環(huán)境作評價，因此輸出節(jié)點數(shù)為 1。 (2具有較強的容錯能力。 企業(yè)技術(shù)創(chuàng)新能力是企業(yè)的核心能力， 它是指企業(yè)依靠技術(shù)獲得持續(xù)競爭力的能力， 具體地 說，是指引入或開發(fā)新技術(shù)，使企業(yè)滿足或創(chuàng)造市場需求，增強企業(yè)競爭力，獲得最佳經(jīng)濟 效益和社會效益的能力。將標準化處理后的指標值作為 BP 網(wǎng) 絡(luò)的學(xué)習樣本。 2）搜集評價企業(yè)的指標值{xi}； 3）對{xi}進行規(guī)范化處理； 4）將處理過的{xi}輸入 BP 神經(jīng)網(wǎng)絡(luò)，按照前面確定的權(quán)重 Wji，計算輸出； 5）根據(jù)輸出按評價標準對企業(yè)技術(shù)創(chuàng)新能力下評價結(jié)論。在選取隱含層神經(jīng)元數(shù)的時候，既要考慮到 BP 網(wǎng)絡(luò)的精確度，又要兼顧網(wǎng)絡(luò)的 學(xué)習效率。 基于 BP 神經(jīng)網(wǎng)絡(luò)的企業(yè)技術(shù)創(chuàng)新能力評價模型 （1）人工神經(jīng)網(wǎng)絡(luò)方法。 應(yīng)該指出， 基于神經(jīng)網(wǎng)絡(luò)的評價方法并不能取代其他的評價方法如 AHP、 Fuzzy 綜合評判等。 第三步，以中國 35 個主要城市作為神經(jīng)網(wǎng)絡(luò)學(xué)習訓(xùn)練的樣本模式，其輸入指標構(gòu)成 3537 階矩陣[Upj] 3537，而期望輸出即城市投資環(huán)境綜合評價結(jié)果(考慮到 sigmoid 函數(shù)的值 域為(0，1，因此將其規(guī)范化值統(tǒng)一除以 100 使之轉(zhuǎn)化到(0，1范圍內(nèi)構(gòu)成向量 B＝(bl， b2，…，b35T。城市投資環(huán)境評價指標根據(jù)其屬性一般有以下幾種類型：成本型、效益型、適度型和區(qū)間型。當誤差小于給定的擬合誤差，網(wǎng)絡(luò)訓(xùn)練結(jié)束，否則轉(zhuǎn)到（7），繼續(xù)訓(xùn)練。（3）明確評價結(jié)果，輸出層的節(jié)點數(shù)為1。對各指標量化后，并得到綜合評價總指標的期望值。BP 神經(jīng)網(wǎng)絡(luò)的實質(zhì)就是依據(jù)所提供的樣本數(shù)據(jù)，通過學(xué)習和訓(xùn)練，抽取樣本所隱含的特征關(guān)系，以神經(jīng)元間連接權(quán)值的形式存儲專家的知識。由輸出層誤差修正各輸出層單元的連接權(quán)值，再計算相連隱含層單元的誤差量，并修正隱含層單元連接權(quán)值。當網(wǎng)絡(luò)的所有實際輸出與理想輸出一致時，表明訓(xùn)練結(jié)束。隱層單元數(shù)的選擇是一個復(fù)雜的問題。換個角度看，BP 算法不僅有輸入層節(jié)點、輸出層節(jié)點，還可有1個或多個隱含層節(jié)點。此期間的特點是：進行速度快，故又稱為快過程，并稱
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1