20xx年醫(yī)學專題—人工神經(jīng)網(wǎng)絡評價法-資料下載頁
2024-11-19 04:55本頁面
【正文】 100 使之轉(zhuǎn)化到(0，1范圍內(nèi)構成向量 B＝(bl， b2，…，b35T。 第四步，按指標的不同屬性類型進行標準化轉(zhuǎn)換得到評價矩陣。 第五步，啟動 BP 神經(jīng)網(wǎng)絡進行學習訓練。經(jīng)學習訓練后的神經(jīng)網(wǎng)絡輸出結果見表 1。 第六步，挑選一組人口規(guī)模 50 萬人以上的大城市 C＝{淄博，鞍山，唐山，包頭，徐州，洛 陽，無錫，蘇州，株洲}加入到 35 個城市一并作為城市投資環(huán)境評價對象，利用 BP 網(wǎng)絡方 法進行評價，結果見表 2。 結論 基于 BP 神經(jīng)網(wǎng)絡的評價方法同其他常規(guī)方法相比有其突出的優(yōu)點： (1具有較強的自我學習能力。 (2具有較強的容錯能力。 (3評價速度快。 應該指出， 基于神經(jīng)網(wǎng)絡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。 因為神經(jīng)網(wǎng)絡評價方法的學習訓練樣本模式需要來自這些方法所得的結果。 而且當評價條件 變化時(如改變評價指標體系還必須借助傳統(tǒng)方法來得到神經(jīng)網(wǎng)絡方法的訓練樣本模式。 練習案例 BP 神經(jīng)網(wǎng)絡在企業(yè)技術創(chuàng)新能力評價中的應用 企業(yè)技術創(chuàng)新是企業(yè)獲得持續(xù)競爭力的源泉。 企業(yè)要想在市場競爭中爭取主動， 關鍵在于企 業(yè)技術創(chuàng)新能力的準確定位和及時提高。 因此， 科學． 有效、 客觀地評價企業(yè)技術創(chuàng)新能力， 對于企業(yè)準確定位自身的技術創(chuàng)新能力，獲得持續(xù)競爭力，具有重要的意義。 企業(yè)技術創(chuàng)新能力是企業(yè)的核心能力， 它是指企業(yè)依靠技術獲得持續(xù)競爭力的能力， 具體地 說，是指引入或開發(fā)新技術，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。 企業(yè)技術創(chuàng)新能力指標體系的構建 根據(jù)技術創(chuàng)新能力的定義以及在遵循選擇指標的全面性、科學性、客觀性、可比性和簡便可 行性原則下， 結合有關文獻， 對企業(yè)技術創(chuàng)新能力進行分解， 建立如圖所示的評價指標體系。 基于 BP 神經(jīng)網(wǎng)絡的企業(yè)技術創(chuàng)新能力評價模型 （1）人工神經(jīng)網(wǎng)絡方法。 典型的 BP 網(wǎng)絡具有三層結構，即輸入層、隱含層和輸出層。 （2）評價指標的標準化。 由于評價指標體系中，既有定性指標又有定量指標，為使各指標在整個系統(tǒng)中具 有可比性，必須對各指標進行標準化處理。 （3）評價模型結構設計 1）輸入層。根據(jù)企業(yè)技術創(chuàng)新能力評價指標體系，可以將最低層指標數(shù)作為輸入層神經(jīng)元 數(shù)，在這里為 13，然后按上述方法將指標標準化處理。將標準化處理后的指標值作為 BP 網(wǎng) 絡的學習樣本。 2）隱含層。在選取隱含層神經(jīng)元數(shù)的時候，既要考慮到 BP 網(wǎng)絡的精確度，又要兼顧網(wǎng)絡的 學習效率。一般地，隱含層神經(jīng)元數(shù)為 10～15。 3）輸出層。將輸出層神經(jīng)元數(shù)設置一個。 （4）BP 神經(jīng)網(wǎng)絡模型評價程序 1）BP 網(wǎng)絡學習。按照前述的指標體系，搜集學習樣本即不同企業(yè)的指標值，進行標準化 處理，輸入 BP 神經(jīng)網(wǎng)絡，按照 BP 算法，確定各層神經(jīng)元之間的權重 Wji。 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，按照前面確定的權重 Wji，計算輸出； 5）根據(jù)輸出按評價標準對企業(yè)技術創(chuàng)新能力下評價結論。 內(nèi)容總結
（1）人工神經(jīng)網(wǎng)絡評價法
第一節(jié) 思想和原理
在當今社會，面臨許許多多的選擇或決策問題
（2）反向傳播（Back Propagation, BP）神經(jīng)網(wǎng)絡是由Rumelhart 等人于1985年提出，它是一種多層次反饋型網(wǎng)絡
（3）第二節(jié) 模型和步驟
一、模型介紹
人工神經(jīng)網(wǎng)絡是對生物神經(jīng)機制研究基礎上產(chǎn)生的智能仿生模型
（4）隱含層的輸出函數(shù)為sigmoid 變換函數(shù)，輸入和輸出層函數(shù)為線性函數(shù)
規(guī)章制度相關推薦
鄂ICP備17016276號-1