互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

多指标综合评价的神经网络方法


□ 冯岑明 方德英

摘要:文章利用神经网络建立了多指标综合评价模型,采用隶属函数对评价指标进行了描述。运用BP神经网络的自学习、自适应、自组织功能,在输入评价指标后网络将输出最终的系统目标评价值,达到精确评价和最优决策的目的。最后,以实例验证了这种方法的准确性和可操作性。
关键词:多指标综合评价;神经网络;科技能力

一、 引言

本文从人工神经网络理论出发,针对多指标综合评价提出新的方法,用模糊数学的隶属函数对评价指标进行归一化处理,由隶属函数的端点值和中间值组成学习样本模式,采用BP反向传播算法进行训练,可以把该类问题的特征反映在神经元之间相互连接的权值中,所以把实际问题特征参数输入后,神经网络能给出待解决问题的结果。鉴于人工神经网络具有上述特征,它被广泛应用于人工智能领域。本文对人工神经网络的多指标综合评价方法和评价质量进行研究 。

二、 基于神经网络的多指标综合评价方法

1. 人工神经网络方法。人工神经网络(ANN)是建立以权重描述变量与目标之间特殊的非线性关系模型,对事物的判断分析必须经过一个学习或训练过程,类似人脑认识一个新事物必须有一个学习过程一样,神经网络通过一定的算法进行训练,Rumelhart将反馈传播back propagation(BP)算法引入神经网络中,很好地实现了多层神经网络的设想。
BP网络是一种单向传播的多层前项网络,具有三层或三层以上的神经网络,包括输入层、中间层(隐层)和输出层。上下层之间实现全连接,而每层神经元之间无连接。当一对学习样本提供给网络后,神经元的激活值从输入层经各中间层向输出层传播,在输出层的各神经元获得网络的输入响应。然后,按照减少目标输出与实际误差的方向,从输出层经过各中间层逐层修正各连接权值,最后回到输入层,这种算法称为“误差逆传播算法”,即BP算法。随着这种误差逆的传播修正不断进行,网络对输入模式响应的正确率也不断上升,直到误差达到容许水平。


2. 评价指标属性值的归一化处理。由于评价指标体系中,既有定性指标,又有定量指标,为了使各指标在整个系统中具有可比性,必须对各指标进行归一化处理,处理后的指标值才能作为神经网络的学习样本。因此,对于评价指标体系中的定量指标,在综合评价前必须把指标的实测值按某种隶属度函数将其归一化到某一无量纲区间。对于定性指标,可采用评价等级隶属度的方法确定,如1,0.75,0.5,0.25,0,分别对应很好,好,一般,较差,差。
......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《现代管理科学》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017