神經(jīng)網(wǎng)絡(luò)原理

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇神經(jīng)網(wǎng)絡(luò)原理范文，相信會(huì)為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

神經(jīng)網(wǎng)絡(luò)原理范文第1篇

關(guān)鍵詞：板凸度；板形預(yù)測(cè)控制；ANSYS/LS-DYNA；BP神經(jīng)網(wǎng)絡(luò)；預(yù)測(cè)精度

DOI：10.16640/ki.37-1222/t.2016.21.124

0 引言

板帶材是汽車、船舶、建筑、機(jī)電、化工和食品等工業(yè)的重要原材料[1-3]。隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展，鋼材板帶比不斷提高。板帶的軋制過程是指靠旋轉(zhuǎn)的軋輥與軋件之間的摩擦力將軋件拖進(jìn)輥縫之間，并使之受到壓縮產(chǎn)生塑性變形的過程[4]。板形是衡量板帶軋制的重要質(zhì)量指標(biāo)之一[5]。軋制生產(chǎn)過程中，板形的影響因素涉及幾何非線性、材料非線性的高度復(fù)雜非線性問題以及存在時(shí)變性等特點(diǎn)。傳統(tǒng)的數(shù)學(xué)模型難以建立起相對(duì)準(zhǔn)確的，能夠準(zhǔn)確表達(dá)各參量間的靜態(tài)關(guān)系以及能夠準(zhǔn)確描述動(dòng)態(tài)關(guān)系的表達(dá)式[6]。因此本文建立了有限元與BP神經(jīng)網(wǎng)絡(luò)[7]結(jié)合的板形預(yù)測(cè)模型。該模型不僅保證了計(jì)算精度，還滿足了板形在線預(yù)測(cè)的要求。

1 基于BP神經(jīng)網(wǎng)絡(luò)與有限元原理的板形控制模型的建立

本論文所用的模型所采用的各個(gè)工藝參數(shù)的數(shù)據(jù)來源于某企業(yè)2800四輥可逆式冷軋機(jī)實(shí)際生產(chǎn)中獲取的數(shù)據(jù)。其中軋件材質(zhì)為Q195鋼，軋輥材質(zhì)為70Cr3NiMo。

（1）模型的基礎(chǔ)分析。結(jié)合有限元仿真，板帶寬度，工作輥直徑，支撐輥直徑，工作輥彎輥力，支撐輥彎輥力，工作輥凸度，支撐輥凸度，工作輥竄輥，支撐輥竄輥對(duì)板形的影響比較大，因此BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型選擇的輸入?yún)?shù)為。利用有限元分析建立樣本時(shí)，根據(jù)實(shí)際情況在一定范圍內(nèi)變化，其它軋制參數(shù)則設(shè)為固定值，所以，網(wǎng)絡(luò)的輸入變量是9維的。輸出參數(shù)為板凸度，所以輸出變量是1維的。本模型采用三層的BP神經(jīng)網(wǎng)絡(luò)模型，即只含有一個(gè)隱含層。確定最佳隱層節(jié)點(diǎn)數(shù)的一個(gè)常用方法是試湊法，可先設(shè)置較少的隱層節(jié)點(diǎn)訓(xùn)練網(wǎng)絡(luò)，然后逐漸增加節(jié)點(diǎn)數(shù)，用同一樣本集進(jìn)行訓(xùn)練，從而確定網(wǎng)絡(luò)誤差最小時(shí)對(duì)應(yīng)的隱層節(jié)點(diǎn)數(shù)。隱含層節(jié)點(diǎn)數(shù)的確定還可借鑒以下公式：

（2）BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型。結(jié)合以上公式，經(jīng)過反復(fù)測(cè)試，中間層節(jié)點(diǎn)數(shù)設(shè)為9個(gè)。因此，本文確定的BP網(wǎng)絡(luò)結(jié)構(gòu)為9-9-1。由此確定的板形預(yù)測(cè)模型的網(wǎng)絡(luò)計(jì)算模型如圖1所示。

2 模型的訓(xùn)練及檢驗(yàn)

（1）模型的相關(guān)參數(shù)及分析。網(wǎng)絡(luò)的訓(xùn)練利用Matlab軟件進(jìn)行，選擇收斂速度快并且預(yù)測(cè)精度高的L-M法。利用有限元的計(jì)算結(jié)果作為訓(xùn)練樣本庫(kù)，對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。在給定精度要求條件下，對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。

（2）誤差及模型結(jié)果分析。所得到的BP神經(jīng)網(wǎng)絡(luò)誤差進(jìn)行分析得到BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果并進(jìn)行分析。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束后，為了檢驗(yàn)該BP神經(jīng)網(wǎng)絡(luò)的識(shí)別能力，將訓(xùn)練得到的網(wǎng)絡(luò)權(quán)值以及各神經(jīng)元的閥值存入權(quán)值文件，任選幾組有限元仿真得到的結(jié)果作為測(cè)試樣本集對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行檢驗(yàn)，得到BP神經(jīng)網(wǎng)絡(luò)測(cè)試與訓(xùn)練數(shù)據(jù)關(guān)系。最后選取了有代表性的板凸度參數(shù)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與有限元仿真值進(jìn)行比較。綜合分析可知本文建立的BP神經(jīng)網(wǎng)絡(luò)模型來預(yù)報(bào)板凸度參數(shù)，其誤差最大值不超過3%，精度還是比較高的。

3 結(jié)論

（1）基于人工神經(jīng)網(wǎng)絡(luò)建立了BP神經(jīng)網(wǎng)絡(luò)模型，并以此提高板凸度參數(shù)的預(yù)報(bào)精度。結(jié)合工作輥竄輥量以及支撐輥竄輥量等因素與板凸度的關(guān)系，進(jìn)行分析計(jì)算得到相應(yīng)的關(guān)系。（2）利用有限元仿真計(jì)算結(jié)果作為訓(xùn)練樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到了訓(xùn)練結(jié)果圖。（3）利用有限元測(cè)試樣本對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行檢驗(yàn)，可以得出BP神經(jīng)網(wǎng)絡(luò)的輸出值與有限元的仿真計(jì)算值的分布規(guī)律一致，存在的誤差比較小。這表明本文建立的板形預(yù)測(cè)模型是合理的，其計(jì)算結(jié)果是可信的并且具有參考價(jià)值。

參考文獻(xiàn)：

[1]彭艷，孫建亮，劉宏民.基于板形板厚控制的軋機(jī)系統(tǒng)動(dòng)態(tài)建模及仿真研究進(jìn)展[J].燕山大學(xué)學(xué)報(bào)，2010，34（01）：6-12.

[2]蘇亞紅.我國(guó)冷軋板帶生產(chǎn)狀況及展望[J].冶金信息導(dǎo)刊， 2007（05）：44-48.

[3]王延溥，齊克敏.金屬塑性加工學(xué)――軋制理論與工藝[M].北京： 冶金工業(yè)出版社，2006.

[4]SUN Jianliang，PENG Yan，LIU Hongmin.Non-linear vibration and stability of moving strip with time-dependent tension in rolling process[J].Journal of Iron and Steel Research，2010， 17（06）：11-15.

[5]薛濤，杜鳳山，孫靜娜.基于有限元與神經(jīng)網(wǎng)絡(luò)的板形調(diào)控功效[J].鋼鐵，2012，47（03）：56-60.

[6]徐樂江.板帶冷軋機(jī)板形控制與機(jī)型選擇[M].北京：冶金工業(yè)出版社，2007.

神經(jīng)網(wǎng)絡(luò)原理范文第2篇

［關(guān)鍵詞］人工神經(jīng)網(wǎng)絡(luò);遠(yuǎn)程教育;知識(shí)管理;綜合評(píng)價(jià)模型

［中圖分類號(hào)］G64［文獻(xiàn)標(biāo)識(shí)碼］A［文章編號(hào)］1005-6432（2014）21-0048-04

1人工神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)遠(yuǎn)程教育知識(shí)管理績(jī)效的原理遠(yuǎn)程教育知識(shí)管理績(jī)效評(píng)價(jià)是一項(xiàng)復(fù)雜的多層次、多目標(biāo)評(píng)價(jià)活動(dòng)。由于影響評(píng)價(jià)有效性的相關(guān)因素很多,這些因素一般難以量化,而且遠(yuǎn)程教育知識(shí)管理績(jī)效評(píng)價(jià)決定力量與管理質(zhì)量之間映射關(guān)系是非常復(fù)雜的,很難明顯地表述。因此,評(píng)價(jià)是一件非常復(fù)雜的事情。如何才能做到既充分考慮評(píng)價(jià)專家的經(jīng)驗(yàn)和直覺思維的模式又能降低評(píng)價(jià)過程中人為的不確定性因素,既具備綜合評(píng)價(jià)方法的規(guī)范性又能體現(xiàn)出較高的問題求解效率。這是正確評(píng)價(jià)的關(guān)鍵所在。

把ANN應(yīng)用于遠(yuǎn)程教育知識(shí)管理的綜合評(píng)價(jià),意在建立更加接近于人類思維模式的定性與定量相結(jié)合的綜合評(píng)價(jià)模型。ANN用于遠(yuǎn)程教育知識(shí)管理綜合評(píng)價(jià)的基本原理是：將描述遠(yuǎn)程教育知識(shí)管理的基礎(chǔ)指標(biāo)的屬性值作為ANN的輸入向量,將代表綜合評(píng)價(jià)目標(biāo)的結(jié)果作為ANN的輸出。然后用足夠多樣本向量訓(xùn)練這個(gè)網(wǎng)絡(luò),使不同的輸入向量得到不同的輸出值,這樣ANN所具有的那組權(quán)系數(shù)值便是網(wǎng)絡(luò)經(jīng)過自適應(yīng)學(xué)習(xí)所得到的正確內(nèi)部表示。人工神經(jīng)網(wǎng)絡(luò)通過信息樣本對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,使其具有人的大腦的記憶、辨識(shí)能力,完成各種信息處理功能,利用其良好的自學(xué)習(xí)、自適應(yīng)、聯(lián)想記憶、并行處理和非線性轉(zhuǎn)換的能力,模擬并記憶出遠(yuǎn)程教育知識(shí)管理評(píng)價(jià)指標(biāo)和知識(shí)管理績(jī)效向量之間的關(guān)系,以此作為評(píng)價(jià)遠(yuǎn)程教育知識(shí)管理績(jī)效的標(biāo)準(zhǔn)。同時(shí),通過大量的試訓(xùn)樣本使得模型向著理想狀態(tài)逼近。然后利用測(cè)試樣本對(duì)模型進(jìn)行測(cè)試,直到感覺滿意為止。訓(xùn)練好的ANN便可作為一種定性與定量相結(jié)合的有效工具,對(duì)不同機(jī)構(gòu)的教育知識(shí)管理進(jìn)行綜合評(píng)價(jià)。

2基于人工神經(jīng)網(wǎng)絡(luò)的遠(yuǎn)程教育知識(shí)管理評(píng)價(jià)模型

21遠(yuǎn)程教育知識(shí)管理評(píng)價(jià)指標(biāo)

設(shè)計(jì)評(píng)價(jià)指標(biāo)是教育知識(shí)管理績(jī)效評(píng)估中的首要問題。從教育知識(shí)管理的內(nèi)容、目標(biāo)及職能出發(fā),借鑒國(guó)內(nèi)外學(xué)者對(duì)知識(shí)管理評(píng)價(jià)指標(biāo)體系的研究成果,結(jié)合遠(yuǎn)程教育知識(shí)管理活動(dòng)規(guī)律,并力求遵循科學(xué)性、系統(tǒng)性、層次性、可比性、可操作性原則,本文從知識(shí)管理重視度、基礎(chǔ)設(shè)施建設(shè)水平、人力資源管理知識(shí)化水平、知識(shí)檢測(cè)、評(píng)價(jià)和利用水平、綜合管理水平等方面確定遠(yuǎn)程教育知識(shí)管理績(jī)效評(píng)價(jià)指標(biāo)體系（見表1）。

表1遠(yuǎn)程教育知識(shí)管理績(jī)效評(píng)價(jià)指標(biāo)體系一級(jí)指標(biāo)二級(jí)指標(biāo)知識(shí)管理重視

程度X1知識(shí)管理戰(zhàn)略和預(yù)算的制定情況X11

CKO的職位與級(jí)別X12

激勵(lì)人員創(chuàng)造性的花費(fèi)占總投入的比重X13基礎(chǔ)設(shè)施建設(shè)

水平X2人均計(jì)算機(jī)臺(tái)數(shù)X21

知識(shí)管理基礎(chǔ)設(shè)施投入占固定資產(chǎn)投資比重X22

網(wǎng)絡(luò)覆蓋率X23

基本信息數(shù)據(jù)庫(kù)建設(shè)水平X24人力資源管理

知識(shí)化水平X3職位技能和評(píng)價(jià)標(biāo)準(zhǔn)的設(shè)立X31

知識(shí)人員比例X32

年均人員培訓(xùn)和教育成本X33

人員周轉(zhuǎn)率X34知識(shí)檢測(cè)、評(píng)價(jià)

和利用水平X4知識(shí)分類與標(biāo)準(zhǔn)化水平X41

多媒體軟件或課件開發(fā)水平X42

經(jīng)驗(yàn)與新方法數(shù)據(jù)庫(kù)建設(shè)水平X43

電子圖書的建設(shè)及利用水平X44

知識(shí)地圖的建設(shè)及利用水平X45

網(wǎng)絡(luò)教學(xué)資源的便利性X46

網(wǎng)上教學(xué)資源所占比重X47綜合管理水平X5安全防范措施X51

信息資源管理措施X52

規(guī)章制度完善程度X53對(duì)遠(yuǎn)程教育知識(shí)管理進(jìn)行評(píng)價(jià)時(shí),從輸入層輸入教育知識(shí)管理指標(biāo)評(píng)價(jià)體系。為使模型既有理論價(jià)值又有可操作性,本文在案例研究并結(jié)合有關(guān)文獻(xiàn)的基礎(chǔ)上選取7個(gè)較為典型的指標(biāo)作為輸入神經(jīng)元(χij),依次分別是：知識(shí)管理基礎(chǔ)設(shè)施投入占固定資產(chǎn)投資比重；人均計(jì)算機(jī)臺(tái)數(shù)；網(wǎng)絡(luò)教學(xué)資源的便利性；網(wǎng)上教學(xué)資源所占比重；知識(shí)人員比例；年均人員培訓(xùn)和教育成本；激勵(lì)人員創(chuàng)造性的花費(fèi)占總投入的比重。這7種因素的設(shè)置,考慮了概括性和動(dòng)態(tài)性,力求全面反映遠(yuǎn)程教育知識(shí)管理的主要因素。

22評(píng)價(jià)指標(biāo)屬性值的量化

多目標(biāo)評(píng)價(jià)中各目標(biāo)間具有不可共度性,即各指標(biāo)沒有統(tǒng)一的度量標(biāo)準(zhǔn),難以進(jìn)行比較,因此,在綜合評(píng)價(jià)前必須把這些分指標(biāo)按某種隸屬度函數(shù)將其歸一化到某一無(wú)量綱區(qū)間。

指標(biāo)屬性值的量化步驟：

（1）計(jì)算第j個(gè)分指標(biāo)Zj的平均值j：

j=(∑mi=1χij)/m,j=1,2,…,n(11)

（2）分別按不同類型的指標(biāo)計(jì)算中間變量:

①對(duì)效益型指標(biāo),記中間變量

Mij=xij-jj(12)

②對(duì)成本型指標(biāo),記中間變量

Mij=j-xijj(13)

③對(duì)區(qū)間型指標(biāo),記中間變量

當(dāng)χij≤A,則Mij=xij-ΑΑ(14)

當(dāng)χij≥B,則Mij=B-xijΒ(15)

當(dāng)B≥χij≥A,則Mij=6(16)

式中A,B分別為區(qū)間型指標(biāo)的最佳上下界

（3）原始指標(biāo)按下式轉(zhuǎn)化到［-1,1］區(qū)間上的隸屬度函數(shù)值Yij:

Yij=1-e-Μij1+e-Μij(17)

顯然,Yij=f(Mij)是一條S形曲線,其曲線形狀如圖1所示。Mij反映了原始數(shù)據(jù)χij偏離平均值j的程度。當(dāng)χij=j,則Mij=0；當(dāng)χij＞j,則Mij＞0且Yij隨Mij的增長(zhǎng)非線性遞增。

圖1S形轉(zhuǎn)換曲線

從上述轉(zhuǎn)換可以看出,對(duì)于效益型指標(biāo)來說,當(dāng)原始值χij大于平均值時(shí)，轉(zhuǎn)換后其隸屬度函數(shù)值大于0,原始值越大,隸屬度函數(shù)值越大,當(dāng)原始值是4倍以上平均值時(shí),隸屬度函數(shù)值接近“飽和”。這樣處理的好處是為了防止某一分指標(biāo)隸屬度函數(shù)值過大,從而左右整個(gè)綜合指標(biāo)。對(duì)于成本型指標(biāo),當(dāng)χij越大時(shí),其隸屬度函數(shù)值反而越小,取負(fù)值,當(dāng)χij越小時(shí),其隸屬度函數(shù)越大,取正值。

23綜合評(píng)價(jià)BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)

遠(yuǎn)程教育知識(shí)管理評(píng)價(jià)模型采用具有多輸入單元、單隱層單元和單輸出單元的三層BP神經(jīng)網(wǎng)絡(luò),其結(jié)構(gòu)如圖2所示：

圖2遠(yuǎn)程教育知識(shí)管理綜合評(píng)價(jià)BP網(wǎng)絡(luò)結(jié)構(gòu)

圖2中,n,m分別表示輸入節(jié)點(diǎn)和隱含結(jié)點(diǎn)個(gè)數(shù)；

χi1,χi2，…，χin為論域U={u1,u2,…，un}上第i個(gè)樣本模式的評(píng)價(jià)指標(biāo)屬性值,Yi1,Yi2,…，Yin為論域U上χi經(jīng)相應(yīng)隸屬函數(shù)量化后的評(píng)價(jià)值；

ωij(i=1,2，…，n;j=1,2，…，m)為輸入層第i個(gè)單元到第j個(gè)單元的連接權(quán)值；

ωj(j=1,2，…，m)為隱層第j個(gè)單元到輸出層的連接權(quán)值；Oi為樣本模式i的輸出。

綜合評(píng)價(jià)BP網(wǎng)絡(luò)模型的輸入結(jié)點(diǎn)數(shù)等于各個(gè)被評(píng)對(duì)象的分指標(biāo)數(shù)目。對(duì)于各個(gè)輸入結(jié)點(diǎn),分別輸入經(jīng)隸屬度函數(shù)轉(zhuǎn)化后的第i個(gè)被評(píng)對(duì)象的各指標(biāo)隸屬度函數(shù)值Yij(i=1,2，…，n;j=1,2，…，m)。隱層結(jié)點(diǎn)數(shù)的確定采用實(shí)驗(yàn)湊試法。輸出層只有一個(gè)結(jié)點(diǎn),代表第i個(gè)被評(píng)對(duì)象的總評(píng)價(jià)指標(biāo)Oi。轉(zhuǎn)移函數(shù)選用f(x)=11+e-x

24學(xué)習(xí)樣本的確定與網(wǎng)絡(luò)訓(xùn)練

一個(gè)學(xué)習(xí)樣本由輸入樣本和輸出樣本兩部分構(gòu)成。輸入樣本為Y(i)={Yi1,Yi2,…，Yin}即被評(píng)對(duì)象各分指標(biāo)的隸屬度函數(shù)值。輸出樣本Oi為綜合評(píng)價(jià)總指標(biāo),由下式確定：

Oi=∑nj=1ωj×Yij(18)

其中Yij是χij經(jīng)上述轉(zhuǎn)換后的隸屬度函數(shù)值,ωj為綜合評(píng)價(jià)中各分指標(biāo)的權(quán)重。顯然∑nj=1ωj=1,權(quán)重通常是依據(jù)公式(18),由專家組反復(fù)斟酌而定的。

把訓(xùn)練樣本輸入網(wǎng)絡(luò),利用該樣本對(duì)BP網(wǎng)絡(luò)的連接權(quán)系數(shù)進(jìn)行學(xué)習(xí)和調(diào)整,以使網(wǎng)絡(luò)實(shí)現(xiàn)給定的輸入輸出關(guān)系。本文采用BP算法訓(xùn)練網(wǎng)絡(luò)。

25綜合評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)算法

通過樣本模式的訓(xùn)練學(xué)習(xí)后,BP網(wǎng)絡(luò)就具有了樣本模式所包含的專家的知識(shí),分布地存貯在BP網(wǎng)絡(luò)的權(quán)值之中,這樣,這個(gè)訓(xùn)練好的BP網(wǎng)絡(luò)就可以用來對(duì)評(píng)價(jià)的對(duì)象系統(tǒng)做出綜合評(píng)價(jià),再現(xiàn)評(píng)價(jià)專家的經(jīng)驗(yàn)和知識(shí)。

由此,得到評(píng)價(jià)的算法如下：

Step1指標(biāo)屬性值的量化。即得出各分指標(biāo)的隸屬度函數(shù)值；

Step2確定BP網(wǎng)絡(luò)結(jié)構(gòu),定義這些結(jié)構(gòu)參數(shù)；

Step3把知識(shí)庫(kù)中的權(quán)重和閾值,給BP網(wǎng)絡(luò)的權(quán)重和閾值(ωij,ωjk,θj,θk)賦值；

Step4輸入待考核對(duì)象的隸屬度函數(shù)值,作為BP網(wǎng)絡(luò)的輸入值Yij；

Step5求出隱結(jié)點(diǎn)的輸出值：

Sj=∑ni=1ωijxi+θj(i=1,2,…，n;j=1,2,…，m)(19)

yj=1/［1+exp(-Sj)］(110)

求出輸出層的輸出值：

Sk=∑mj=1ωjkyj+θk(111)

Oi=1/［1+exp(-Sk)］(112)

Step6輸出考核結(jié)果Oi；

Step7是否還有待考核單位？

是：轉(zhuǎn)Step3繼續(xù)考核。

否：考核結(jié)束。

3仿真實(shí)例

本文運(yùn)用基于神經(jīng)網(wǎng)絡(luò)的遠(yuǎn)程教育知識(shí)管理綜合評(píng)價(jià)模型對(duì)中國(guó)20家遠(yuǎn)程教育機(jī)構(gòu)的知識(shí)管理進(jìn)行綜合評(píng)估,并與專家評(píng)估相比較以驗(yàn)證模型的有效性。在實(shí)驗(yàn)中,采用了MATLAB下神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行仿真模擬。實(shí)驗(yàn)原始數(shù)據(jù)來源于《中國(guó)教育統(tǒng)計(jì)年鑒》。樣本的選取考慮了概括性和典型性,力求全面反映不同類型機(jī)構(gòu)知識(shí)管理的水平,同時(shí)兼顧地區(qū)間的差異,盡量分布于不同省市地區(qū),體現(xiàn)地區(qū)的廣泛性。

依據(jù)本文所述方法,得到各分指標(biāo)量化后的隸屬度函數(shù)值和綜合評(píng)價(jià)總指標(biāo)的期望值。其中權(quán)重是由專家評(píng)判組反復(fù)斟酌而定。如表2所示。

表2各機(jī)構(gòu)分指標(biāo)量化后的隸屬度函數(shù)值及綜合評(píng)估指標(biāo)Ji機(jī)構(gòu)代號(hào)指標(biāo)Yi1Yi2Yi3Yi4Yi5Yi6Yi7Jiω0201501501020150051048100940275-0289-02020169-009901032-0086-02540330-0185-0006-03320083-00713033403630215006009050652012604454-0537-0330-00670179-0786-0410-0213-037850075-0097-0179-0069010601170060000860684-01820455067500070322001102967-0680-0210-05330048-0499-0229-0008-03778-0565-0446-0555-0339-0834-0441-0256-05439057601700339018703770157006703131002960195-02700321-02770203-0021005411-0006025804510556-0085-013600710127120732069904600330091904670133061413-03390106-0235-03420313-03640005-011314-0672-0439-0223-0387-0715-0428-0135-048615012503050436-0149004904090014020316-0221-041002900179015901100091000917-0073-02570135-0305-0436-02370030-0185180574057201410004053300480056 03391902630129-031801070289-02280031006120-0195-0472-0466-0208-0217-0412-0057-0309

應(yīng)用本文所述的方法,本例的輸入層共有7個(gè)節(jié)點(diǎn),輸出節(jié)點(diǎn)1個(gè),為綜合評(píng)價(jià)總指標(biāo)。根據(jù)經(jīng)驗(yàn)和反復(fù)試驗(yàn),本實(shí)驗(yàn)隱層節(jié)點(diǎn)數(shù)選取10。

將表2中的數(shù)據(jù)分為兩部分,前10組數(shù)據(jù)用作學(xué)習(xí)樣本,作為訓(xùn)練神經(jīng)元連接權(quán)值用,學(xué)習(xí)精度ε=10-4,后10組數(shù)據(jù)作為檢驗(yàn)用。經(jīng)過5200次的學(xué)習(xí),其學(xué)習(xí)結(jié)果見表3。

表3學(xué)習(xí)結(jié)果機(jī)構(gòu)代號(hào)12345678910訓(xùn)練結(jié)果0102-00710447-038100080295-0376-054403150054期望輸出0103-00710445-037800080296-0377-054303130054相對(duì)誤差（%）097004507900340270180640

訓(xùn)練結(jié)束后,給訓(xùn)練好的BP網(wǎng)絡(luò)分別輸入校驗(yàn)數(shù)據(jù),得到高校教育信息資源管理綜合評(píng)價(jià)排序結(jié)果。見表4。

表4結(jié)果驗(yàn)證及遠(yuǎn)程教育知識(shí)管理評(píng)價(jià)排序高校代號(hào)11121314151617181920測(cè)試結(jié)果01260616-0114-048702020009-018403410061-0311期望輸出01270614-0113-048602030009-018503390061-0309相對(duì)誤差（%）07903408802104900540590065仿真排序41710368259專家排序41710368259

從表4中可以看出,利用神經(jīng)網(wǎng)絡(luò)得到的輸出值與期望值之間的最大誤差為088%,遠(yuǎn)程教育知識(shí)管理綜合評(píng)價(jià)排序與專家排序一致。由此可見,用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)知識(shí)管理綜合評(píng)價(jià)專家知識(shí),并用學(xué)習(xí)后的網(wǎng)絡(luò)對(duì)其他遠(yuǎn)程教育機(jī)構(gòu)的知識(shí)管理進(jìn)行綜合評(píng)價(jià)能夠獲得滿意的結(jié)果。

基于神經(jīng)網(wǎng)絡(luò)的遠(yuǎn)程教育知識(shí)管理評(píng)價(jià)網(wǎng)絡(luò)不僅可以模擬專家對(duì)知識(shí)管理進(jìn)行評(píng)價(jià),而且還能夠很好地避免評(píng)價(jià)過程中的不確定性,實(shí)驗(yàn)證明該模型能有效評(píng)價(jià)教育知識(shí)管理績(jī)效水平。既可用于某一地區(qū)、某一類機(jī)構(gòu)教育知識(shí)管理系統(tǒng)的總體分析評(píng)價(jià),也可用于某一機(jī)構(gòu)或有關(guān)機(jī)構(gòu)之間教育知識(shí)管理系統(tǒng)的前后對(duì)比或橫向?qū)Ρ?為比較遠(yuǎn)程教育機(jī)構(gòu)間知識(shí)管理水平、差距及其改進(jìn)空間提供了一種可供借鑒的方法。本研究應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行遠(yuǎn)程教育知識(shí)管理評(píng)價(jià)是一個(gè)新的嘗試,在教育知識(shí)管理評(píng)價(jià)指標(biāo)和學(xué)習(xí)樣本的選取上還有待進(jìn)一步完善。

參考文獻(xiàn)：

［1］焦李成神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論［M］西安:西安電子科技大學(xué)出版社,1990:92-114.

［2］JWang,BMalakootiA Feedforward Neural Networks for Multiple Criteria Decision-Making ［J］ Computers & OpsRes. 2009,23(2): 151-167.

［3］戴文戰(zhàn)基于三層BP網(wǎng)絡(luò)的多指標(biāo)綜合評(píng)估方法［J］系統(tǒng)工程理論與實(shí)踐2010,19(5):33-40.

［4］FSWang Fuzzy Neural Systems for Decision-Making［J］ Procof IEEE IntConfon NNs 2010,10(11):1425-1634.

神經(jīng)網(wǎng)絡(luò)原理范文第3篇

關(guān)鍵詞：網(wǎng)絡(luò)經(jīng)濟(jì)環(huán)境；醫(yī)院審計(jì)；管理；HIS系統(tǒng)

HIS系統(tǒng)（Hospital Information System）是現(xiàn)代醫(yī)院集診療、行政信息、決策、數(shù)據(jù)交換等為一體的現(xiàn)代醫(yī)院管理系統(tǒng)，所以作為醫(yī)院審計(jì)管理人員，必須利用HIS系統(tǒng)中管理財(cái)務(wù)的子系統(tǒng)的功能，結(jié)合醫(yī)院的審計(jì)信息來源信息，對(duì)網(wǎng)絡(luò)經(jīng)濟(jì)環(huán)境下的醫(yī)院審計(jì)工作進(jìn)行不斷的創(chuàng)新和發(fā)展。

一、網(wǎng)絡(luò)經(jīng)濟(jì)下加強(qiáng)醫(yī)院財(cái)務(wù)審計(jì)的必要性

首先，有利于加快醫(yī)院審計(jì)信息化建設(shè)。信息化技術(shù)的推廣和應(yīng)用是企業(yè)創(chuàng)造效益的基礎(chǔ)，醫(yī)院也一樣，信息化技術(shù)在醫(yī)院審計(jì)管理中的應(yīng)用，通過可靠數(shù)據(jù)庫(kù)的支持，既有利于降低重復(fù)勞動(dòng)率，又提高可數(shù)據(jù)利用率，推進(jìn)了醫(yī)院有序化管理。

其次，有利于審計(jì)目標(biāo)的實(shí)現(xiàn)。醫(yī)院審計(jì)的工作目標(biāo)是在有效管理和加強(qiáng)內(nèi)控監(jiān)督的基礎(chǔ)上，維護(hù)國(guó)有財(cái)產(chǎn)不受侵犯。因此借助網(wǎng)絡(luò)經(jīng)濟(jì)的影響力和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)，采用有效可行的方法處理審計(jì)材料和信息，確保了審計(jì)結(jié)果的準(zhǔn)確性和科學(xué)性，對(duì)實(shí)現(xiàn)最終審計(jì)目標(biāo)以及醫(yī)院領(lǐng)導(dǎo)做出相關(guān)決策提供了可靠的依據(jù)。

最后，有利于提升醫(yī)院內(nèi)部審計(jì)質(zhì)量。網(wǎng)絡(luò)信息技術(shù)輔助醫(yī)院審計(jì)的目的是在審計(jì)活動(dòng)中利用以計(jì)算機(jī)技術(shù)為代表的現(xiàn)代信息技術(shù)作為輔助手段與工具對(duì)信息數(shù)據(jù)的真實(shí)性、完整性、合法性，以及與財(cái)政、財(cái)務(wù)收支有關(guān)的計(jì)算機(jī)信息系統(tǒng)的可靠程度進(jìn)行相應(yīng)的監(jiān)督與評(píng)價(jià)，以便確定醫(yī)院經(jīng)濟(jì)活動(dòng)是否真實(shí)、準(zhǔn)確，是否遵守相關(guān)的法律和規(guī)章制度，是否經(jīng)濟(jì)有效和達(dá)到預(yù)期效果。

二、網(wǎng)絡(luò)經(jīng)濟(jì)下加強(qiáng)醫(yī)院審計(jì)管理的工作要點(diǎn)分析

鑒于HIS系統(tǒng)在整個(gè)醫(yī)院財(cái)務(wù)審計(jì)管理中的重要作用，尤其是在網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代的到來，作為醫(yī)院的財(cái)務(wù)審計(jì)管理人員，必須切實(shí)掌握工作要點(diǎn)，才能更好地促進(jìn)醫(yī)院內(nèi)部審計(jì)管理成效的提升，在優(yōu)化傳統(tǒng)審計(jì)管理模式的同時(shí)更好地促進(jìn)醫(yī)院審計(jì)管理水平的提升，這就需要切實(shí)做好以下幾個(gè)方面的工作。

一是在醫(yī)院財(cái)務(wù)審計(jì)管理工作中切實(shí)加強(qiáng)計(jì)算機(jī)技術(shù)的應(yīng)用。由于部分醫(yī)院從事財(cái)務(wù)審計(jì)管理的人員自身的專業(yè)技術(shù)水平有限，加上難以正確認(rèn)識(shí)內(nèi)部審計(jì)管理的重要性和業(yè)務(wù)能力有限，導(dǎo)致醫(yī)院內(nèi)部審計(jì)效率不高，審計(jì)結(jié)果差強(qiáng)人意。因此醫(yī)院應(yīng)加大力度強(qiáng)化審計(jì)人員的培訓(xùn)，不斷提高其專業(yè)技術(shù)知識(shí)水平，尤其是應(yīng)加強(qiáng)計(jì)算機(jī)技術(shù)的應(yīng)用，為整個(gè)審計(jì)工作的開展奠定堅(jiān)實(shí)的技術(shù)基礎(chǔ)嗎，并強(qiáng)化審計(jì)人員考察和評(píng)價(jià)，從而使其掌握審計(jì)工作中所需的計(jì)算機(jī)技術(shù)。而在此基礎(chǔ)上，醫(yī)院就應(yīng)加強(qiáng)審計(jì)軟件的研發(fā)，尤其是應(yīng)加強(qiáng)技術(shù)人才和先進(jìn)設(shè)備的引進(jìn)，才能確保醫(yī)院的財(cái)務(wù)審計(jì)效率得到有效的提升，不僅能將審計(jì)的流程簡(jiǎn)化，而且還能節(jié)約審計(jì)的時(shí)間，而作為審計(jì)人員，在整個(gè)過程中，必須利用會(huì)計(jì)電算化知識(shí)對(duì)信息進(jìn)行查詢和過濾，同時(shí)對(duì)數(shù)據(jù)進(jìn)行審核和分析，從而得出審計(jì)結(jié)果，提高審計(jì)工作效率。

二是切實(shí)加強(qiáng)風(fēng)險(xiǎn)防范。隨著網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代的到來，HIS系統(tǒng)的應(yīng)用為醫(yī)院審計(jì)管理工作的開展提供了極大的便利。但是網(wǎng)絡(luò)具有較強(qiáng)的開放性，所以其面臨的網(wǎng)絡(luò)風(fēng)險(xiǎn)也較大，尤其是在醫(yī)院加大HIS系統(tǒng)運(yùn)行的今天，而網(wǎng)絡(luò)又是確保HIS系統(tǒng)運(yùn)行的關(guān)鍵，加上資料的存儲(chǔ)模式從傳統(tǒng)的紙質(zhì)化正逐步轉(zhuǎn)移到磁盤儲(chǔ)存上來，而磁盤在運(yùn)行過程中就有可能面臨來自網(wǎng)絡(luò)黑客的攻擊，里面儲(chǔ)存的數(shù)據(jù)資料將面臨被盜的風(fēng)險(xiǎn)，這就會(huì)對(duì)醫(yī)院的財(cái)務(wù)審計(jì)管理工作帶來影響。因而為了確保整個(gè)審計(jì)工作高效的開展，為審計(jì)系統(tǒng)的安全運(yùn)行奠定堅(jiān)實(shí)的基礎(chǔ)，作為醫(yī)院必須加強(qiáng)對(duì)磁盤的保護(hù)，避免其在高溫高濕的環(huán)境中工作，對(duì)于系統(tǒng)，則應(yīng)切實(shí)加強(qiáng)對(duì)其的維護(hù)，及時(shí)的更新系統(tǒng)的防火墻，通過安全防護(hù)軟件，最大化的預(yù)防黑客和網(wǎng)絡(luò)病毒對(duì)其帶來工具，從而在確保數(shù)據(jù)安全的同時(shí)為審計(jì)管理工作的開展奠定堅(jiān)實(shí)的基礎(chǔ)。

三、醫(yī)院信息管理系統(tǒng)審計(jì)案例分析

（一）被審計(jì)單位信息化基本情況

某市醫(yī)院信息管理系統(tǒng)是覆蓋HIS、LIS、PACS、UIS、0A、經(jīng)濟(jì)管理、物資、人事財(cái)務(wù)信息管理等的綜合性計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)，信息化管理廣泛應(yīng)用于醫(yī)院每個(gè)層面的各項(xiàng)日常工作。其中，HIS系統(tǒng)主要包括門診收費(fèi)管理系統(tǒng)，門診藥房管理系統(tǒng)，出入院管理系統(tǒng)，住院護(hù)士、住院醫(yī)生、住院藥房管理系統(tǒng)，材料管理系統(tǒng)，固定資產(chǎn)綜合處理系統(tǒng)，藥庫(kù)管理系統(tǒng)和醫(yī)技管理系統(tǒng)等模塊。PACS系統(tǒng)即醫(yī)學(xué)影像存檔與傳輸系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)了全院所有影像設(shè)備的交互、存儲(chǔ)和通信。LIS系統(tǒng)即醫(yī)院檢驗(yàn)信息管理系統(tǒng)，LIS系統(tǒng)是HIS系統(tǒng)的一個(gè)重要組成部分，其主要功能是將檢驗(yàn)的實(shí)驗(yàn)儀器傳出的檢驗(yàn)數(shù)據(jù)經(jīng)分析后，生成檢驗(yàn)報(bào)告，通過網(wǎng)絡(luò)存儲(chǔ)在數(shù)據(jù)庫(kù)中，使醫(yī)生能夠方便、及時(shí)地看到患者的檢驗(yàn)結(jié)果。UIS系統(tǒng)即特檢科信息管理系統(tǒng)，特檢科各類設(shè)備檢查的病人的基本數(shù)據(jù)、圖像文件、診斷資料將由特檢科信息管理系統(tǒng)統(tǒng)一管理。

（二）審計(jì)目標(biāo)

該審計(jì)項(xiàng)目的目標(biāo)是對(duì)醫(yī)院信息系統(tǒng)安全性、可靠性和有效性進(jìn)行審查和評(píng)價(jià)，重點(diǎn)關(guān)注被審單位的HIS系統(tǒng)是否有完善的安全管理制度與技術(shù)防范措施，重點(diǎn)關(guān)注HIS系統(tǒng)中門診收費(fèi)、住院收費(fèi)、藥品管理等模塊是否存在漏洞或缺陷。

（三）選用恰當(dāng)審計(jì)技術(shù)方法

1. 實(shí)地考察法：對(duì)住房公積金信息系統(tǒng)基本信息、軟硬件設(shè)施和運(yùn)行環(huán)境、業(yè)務(wù)流程及其對(duì)信息化的依賴程度、操作人員的操作過程進(jìn)行觀察，掌握和發(fā)現(xiàn)系統(tǒng)操作過程中存在的問題。

2. 測(cè)試用例法：審計(jì)人員通過編寫相應(yīng)的用戶測(cè)試用例，對(duì)門診收費(fèi)、住院收費(fèi)等模塊的輸入、處理、輸出控制進(jìn)行實(shí)質(zhì)性測(cè)試，測(cè)試信息系統(tǒng)處理數(shù)據(jù)的正確性和真實(shí)性。

3. 平行模擬法：審計(jì)人員對(duì)信息系統(tǒng)的后臺(tái)數(shù)據(jù)編寫SQL語(yǔ)句，模擬系統(tǒng)的業(yè)務(wù)處理邏輯進(jìn)行分析處理，將計(jì)算的結(jié)果與實(shí)際結(jié)果比較，提取疑點(diǎn)，進(jìn)行延伸，發(fā)現(xiàn)系統(tǒng)處理邏輯方面的問題以及利用系統(tǒng)進(jìn)行違法違規(guī)業(yè)務(wù)操作的問題。

4. 計(jì)算機(jī)輔助工具檢測(cè)法：利用專門的安全檢測(cè)軟件對(duì)操作系統(tǒng)、數(shù)據(jù)庫(kù)、系統(tǒng)平臺(tái)進(jìn)行安全掃描，做模擬攻擊和入侵測(cè)試，檢測(cè)是否存在漏洞。

（四）處理控制審計(jì)

醫(yī)院HIS系統(tǒng)處理控制審計(jì)目標(biāo)是：審查醫(yī)療服務(wù)項(xiàng)目的規(guī)范性，審計(jì)醫(yī)療服務(wù)項(xiàng)目?jī)r(jià)格的合規(guī)性。

醫(yī)院HIS系統(tǒng)處理控制審計(jì)的步驟如下：

1. 根據(jù)《××省醫(yī)療服務(wù)項(xiàng)目?jī)r(jià)格標(biāo)準(zhǔn)》、《衛(wèi)生部藥品管理法》、《衛(wèi)生部處方管理法》等建立醫(yī)院HIS系統(tǒng)應(yīng)用控制矩陣，如表1所示。

2. 使用數(shù)據(jù)驗(yàn)證法和測(cè)試數(shù)據(jù)法，對(duì)表1中各控制點(diǎn)進(jìn)行測(cè)試，并記錄測(cè)試結(jié)果。

3. 提出該事項(xiàng)的審計(jì)結(jié)論：存在自立項(xiàng)目收費(fèi)情況和項(xiàng)目超標(biāo)準(zhǔn)收費(fèi)等。

四、結(jié)語(yǔ)

綜上所述，網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代下，作為醫(yī)院必須注重審計(jì)管理工作的開展，在利用HIS系統(tǒng)強(qiáng)化財(cái)務(wù)審計(jì)的同時(shí)，還應(yīng)切實(shí)加強(qiáng)網(wǎng)絡(luò)病毒的防范，才能最大化的規(guī)避風(fēng)險(xiǎn)，從而為審計(jì)管理工作的質(zhì)量的提升奠定堅(jiān)實(shí)的基礎(chǔ)。

參考文獻(xiàn)：

[1]張暢玲.網(wǎng)絡(luò)經(jīng)濟(jì)下醫(yī)院審計(jì)的管理策略分析[J].企業(yè)改革與管理，2015（12）.

[2]吉宏圖.網(wǎng)絡(luò)經(jīng)濟(jì)對(duì)醫(yī)院審計(jì)的管理策略探討[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2012（04）.

神經(jīng)網(wǎng)絡(luò)原理范文第4篇

關(guān)鍵詞： 神經(jīng)網(wǎng)絡(luò)；工程造價(jià)；Vague集貼近度

0 引言

對(duì)建筑工程造價(jià)進(jìn)行科學(xué)有效的測(cè)算和控制，會(huì)使工程造價(jià)的組成比較合理，進(jìn)而節(jié)約工程開銷成本。現(xiàn)在，經(jīng)典的建筑工程造價(jià)測(cè)算方法主要有下面幾種：定額法、類比工程法、回歸分析法和模糊數(shù)學(xué)法[1]。其中，定額法必須對(duì)定額成本、定額差異和定額變動(dòng)差異進(jìn)行單獨(dú)核算，任務(wù)較重，現(xiàn)實(shí)中很難實(shí)施；類比工程法是通過類比工程的相似性實(shí)現(xiàn)工程造價(jià)的測(cè)算，該方法估算準(zhǔn)確度不夠高；回歸分析法的估算準(zhǔn)確度同樣不高，該方法將很多重要因素忽略了；模糊數(shù)學(xué)法是通過模糊數(shù)學(xué)的思想對(duì)工程造價(jià)進(jìn)行估算，該方法的不足主要是特征隸屬度不好準(zhǔn)確確定。由于人工神經(jīng)網(wǎng)絡(luò)可以自學(xué)并進(jìn)行推理，本文通過人工神經(jīng)網(wǎng)絡(luò)和Vague集貼近度理論對(duì)住宅樓的工程造價(jià)進(jìn)行估算和控制，可以為建筑工程造價(jià)估算提供很好的服務(wù)。

1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種前饋型神經(jīng)網(wǎng)絡(luò)，包含三種層次或者多層次，各種層次之間相互連接，同一層次可以自由結(jié)合，BP神經(jīng)網(wǎng)絡(luò)的構(gòu)成見圖1。所屬模型的神經(jīng)元數(shù)量決定了BP神經(jīng)網(wǎng)絡(luò)的層數(shù)，各個(gè)層次之間通過相互的權(quán)值實(shí)現(xiàn)聯(lián)接[2]。

人工神經(jīng)元（Artificial Neuron）模型：

人工神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本元素，其原理可以用圖2表示。

圖中x1～xn是從其他神經(jīng)元傳來的輸入信號(hào)，wij表示表示從神經(jīng)元j到神經(jīng)元i的連接權(quán)值，θ表示一個(gè)閾值（threshold），或稱為偏置（bias）。則神經(jīng)元i的輸出與輸入的關(guān)系表示為：

BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)非常簡(jiǎn)潔，包括正向傳播和逆向傳播。下面分別對(duì)BP神經(jīng)網(wǎng)絡(luò)信息的正向傳播和誤差信息的反向傳播原理進(jìn)行介紹。

1.1 信息的正向傳播

式（1）中，n為信息的總個(gè)數(shù)。

1）輸入向量為

多層神經(jīng)元網(wǎng)絡(luò)（BP網(wǎng)絡(luò)圖3）。

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)，即誤差反傳誤差反向傳播算法的學(xué)習(xí)過程，由信息的正向傳播和誤差的反向傳播兩個(gè)過程組成。由圖3可知，BP神經(jīng)網(wǎng)絡(luò)是一個(gè)三層的網(wǎng)絡(luò)：

輸入層（Input Layer）：輸入層各神經(jīng)元負(fù)責(zé)接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；

隱藏層（Hidden Layer）：中間層是內(nèi)部信息處理層，負(fù)責(zé)信息變換，根據(jù)信息變化能力的需求，中間層可以設(shè)計(jì)為單隱層或者多隱層結(jié)構(gòu)；最后一個(gè)隱層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進(jìn)一步處理后，完成一次學(xué)習(xí)的正向傳播處理過程；

輸出層（Output Layer）：顧名思義，輸出層向外界輸出信息處理結(jié)果。

2 建筑工程造價(jià)估算模型

2.1 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練 建立BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)工程特征向量進(jìn)行歸一化處理，可以開始神經(jīng)網(wǎng)絡(luò)訓(xùn)練，目標(biāo)是使網(wǎng)絡(luò)性能函數(shù)極小化，實(shí)現(xiàn)非線性映射的目的。本文利用Nguyen-Widrow方法[5]對(duì)權(quán)值和閾值的初值進(jìn)行確定。Nguyen-Widrow方法具體原理為

上式中，W是數(shù)值矩陣，θ是權(quán)值矩陣，S、N是節(jié)點(diǎn)的個(gè)數(shù)。rand（S，N）為s行n列的平均自由分布任意矩陣，I（S，N）為s行n列標(biāo)準(zhǔn)矩陣。

2.2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練調(diào)整與測(cè)試 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練調(diào)整與測(cè)試連接強(qiáng)度加權(quán)值調(diào)整方法，具體公式為：

BP算法在按步驟經(jīng)行的收斂過程中，每一步的學(xué)習(xí)率都將發(fā)生變化，而不是固定不變。此時(shí)BP神經(jīng)網(wǎng)絡(luò)不應(yīng)用連接強(qiáng)度加權(quán)值的調(diào)整方法，同時(shí)也不使用誤差函數(shù)對(duì)梯度調(diào)整和η調(diào)整方法；最終應(yīng)用相對(duì)權(quán)重增加量Δwij進(jìn)行網(wǎng)絡(luò)調(diào)整與測(cè)試，權(quán)值wij的修正值Δwij，如下所示：

以上的分析表明，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行建筑工程單方造價(jià)估算是可行的，然而該方法對(duì)建筑工程項(xiàng)目總造價(jià)的估算還不夠精確。當(dāng)前建筑工程項(xiàng)目需要考慮的影響因素非常多，雖然可以引入大量的特征因素，然而里面有很多因素都非常模糊化；即使可以對(duì)特征因素進(jìn)行具體說明，提高輸入點(diǎn)的數(shù)量，這時(shí)樣本數(shù)據(jù)會(huì)隨著增加，此時(shí)神經(jīng)網(wǎng)絡(luò)將會(huì)復(fù)雜化，求解效率會(huì)降低。所以，本文通過以上運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)建筑工程項(xiàng)目單方造價(jià)的估算，采用Vague集貼近度對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，對(duì)建筑工程總造價(jià)進(jìn)行估算[3]。

2.3 加入Vague集貼近度改進(jìn)BP神經(jīng)網(wǎng)絡(luò) 文獻(xiàn)[4]采用普通模糊集理論來對(duì)工程隸屬度進(jìn)行確定。本文中建筑工程特征因素隸屬度是指建筑工程特征值隸屬于準(zhǔn)備建設(shè)的項(xiàng)目特征值的大小程度：

3 實(shí)例分析

選取2013年西安市某工程項(xiàng)目數(shù)據(jù)進(jìn)行實(shí)例分析，工程造價(jià)指數(shù)以2013年為基準(zhǔn)，通過加權(quán)平均法求解造價(jià)年綜合指數(shù)。通過選擇，最后選取了二十個(gè)樣本，前面十八個(gè)樣本為訓(xùn)練樣本，剩余的兩個(gè)當(dāng)作檢測(cè)樣本。神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)見表1。

3.1 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練 采用BP神經(jīng)網(wǎng)絡(luò)對(duì)模型進(jìn)行構(gòu)建，對(duì)建筑工程特征向量數(shù)據(jù)處理結(jié)束后，可以開展神經(jīng)網(wǎng)絡(luò)訓(xùn)練。神經(jīng)網(wǎng)絡(luò)訓(xùn)練基本的訓(xùn)練公式為

net，tr=train（NET，P，T）

訓(xùn)練公式中net為最終的網(wǎng)絡(luò)，tr為數(shù)值統(tǒng)計(jì)， P是輸入矩陣，T是輸出矩陣。

3.2 BP神經(jīng)網(wǎng)絡(luò)與Vague集貼近度預(yù)測(cè) 采用Vague集貼近度的數(shù)據(jù)，基于BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本進(jìn)行預(yù)測(cè)，通過訓(xùn)練好的網(wǎng)絡(luò)對(duì)與本文樣本數(shù)據(jù)相類似工程項(xiàng)目的單方造價(jià)進(jìn)行預(yù)估，求得單方造價(jià)均值為1800元/m2。緊接著可以對(duì)建筑工程的總造價(jià)進(jìn)行預(yù)估，通過對(duì)10項(xiàng)樣本進(jìn)行造價(jià)估算預(yù)測(cè)，采用BP神經(jīng)網(wǎng)絡(luò)和Vague集貼近度相結(jié)合的方法進(jìn)行造價(jià)預(yù)估，估計(jì)誤差在±10%范圍內(nèi)（見表2），造價(jià)估算結(jié)果非常準(zhǔn)確。

4 結(jié)論

本文應(yīng)用BP神經(jīng)網(wǎng)絡(luò)造價(jià)預(yù)測(cè)和Vague集貼近度理論，從理論和實(shí)際應(yīng)用兩方面對(duì)建筑工程造價(jià)估算進(jìn)行了研究。文中的方法能更準(zhǔn)確地反應(yīng)工程造價(jià)的不確定性，為建筑工程項(xiàng)目造價(jià)估算方法研究提供了一種新的視角和方法。

參考文獻(xiàn)：

[1]史峰.BP神經(jīng)網(wǎng)絡(luò)在工程量清單中快速估價(jià)的應(yīng)用研究[M].北京航空航天大學(xué)出版社，2010.4.

[2]張風(fēng)文.基于MATLAB神經(jīng)網(wǎng)絡(luò)的工程實(shí)例分析[J].華東交通大學(xué)學(xué)報(bào)，2010，8（3）：26-33.

[3]郭一斌，王紅革，王翔.基于Vague集貼近度的工程項(xiàng)目投資快速估算方法[J].現(xiàn)代經(jīng)濟(jì)信息，2011，12（2）：50-55.

神經(jīng)網(wǎng)絡(luò)原理范文第5篇

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò)；PID控制；直流電機(jī)調(diào)速系統(tǒng)

1.引言

PID控制以其算法簡(jiǎn)單，魯棒性好和可靠性高等優(yōu)點(diǎn)，廣泛地應(yīng)用于工業(yè)生產(chǎn)當(dāng)中，成為衡量各行各業(yè)現(xiàn)代化水平的一個(gè)重要標(biāo)志。隨著科學(xué)技術(shù)的發(fā)展，生產(chǎn)工藝的日益復(fù)雜化，生產(chǎn)系統(tǒng)具有非線性，時(shí)變不確定性，在實(shí)際生產(chǎn)中，常規(guī)PID控制器參數(shù)往往整定不良、性能欠佳，對(duì)運(yùn)行工況的適應(yīng)性很差[1]。

BP神經(jīng)網(wǎng)絡(luò)具有良好的自學(xué)習(xí)、自適應(yīng)能力和魯棒性，可以用來處理高維、非線性、強(qiáng)耦合和不確定性的復(fù)雜控制系統(tǒng)。本文結(jié)合BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)和傳統(tǒng)PID控制的優(yōu)勢(shì)，對(duì)PID控制器進(jìn)行優(yōu)化，使其具有很強(qiáng)的自適應(yīng)性和魯棒性。通過對(duì)直流電機(jī)調(diào)速系統(tǒng)仿真，結(jié)果表明，這種方法是有效的。

2.PID控制原理

PID是工業(yè)生產(chǎn)中最常用的一種控制方式，PID調(diào)節(jié)器是一種線性調(diào)節(jié)器，它將給定值r（t）與實(shí)際輸出值c（t）的偏差的比例（P）、積分（I）、微（D）通過線性組合構(gòu)成控制量，對(duì)控制對(duì)象進(jìn)行控制。傳統(tǒng)的PID控制系統(tǒng)原理框圖如圖2.1所示，系統(tǒng)主要由PID控制器和被控對(duì)象組成。它根據(jù)給定值rin（t）與實(shí)際輸出值yout（t）構(gòu)成控制偏差額e（t）：

圖2.1為PID控制系統(tǒng)原理框圖。

3.基于BP神經(jīng)網(wǎng)絡(luò)的PID整定原理

PID控制要取得好的控制效果，就必須通過調(diào)整好比例、積分和微分三種控制作用在形成控制量中相互配合又相互制約的關(guān)系，這種關(guān)系不一定是簡(jiǎn)單的“線性組合”，而是從變化無(wú)窮的非線性組合中找出最佳的關(guān)系[2]。BP神經(jīng)網(wǎng)絡(luò)具有良好的自學(xué)習(xí)、自適應(yīng)能力和魯棒性，將PID和BP神經(jīng)網(wǎng)絡(luò)結(jié)合起來，建立參數(shù)自學(xué)習(xí)的PID控制器。其結(jié)構(gòu)如圖3.1所示。

經(jīng)典增量式數(shù)字PID的控制算式為：

式中，是與、、、u（k-1）、y（k）等有關(guān)的非線性函數(shù)，可以用BP神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練和學(xué)習(xí)找到這樣一個(gè)最佳控制規(guī)律。

假設(shè)BP神經(jīng)網(wǎng)絡(luò)NN是一個(gè)三層BP網(wǎng)絡(luò)，其結(jié)構(gòu)如圖3.4所示，有M個(gè)輸入節(jié)點(diǎn)、Q個(gè)隱層節(jié)點(diǎn)、三個(gè)輸出節(jié)點(diǎn)。輸出節(jié)點(diǎn)分別對(duì)應(yīng)控制器的三個(gè)可調(diào)參數(shù)，，。其激發(fā)函數(shù)為非負(fù)的Sigmoid函數(shù)。而隱含層的激發(fā)函數(shù)可取正負(fù)對(duì)稱的Sigmoid函數(shù)。

神經(jīng)網(wǎng)絡(luò)的前向算法如下：設(shè)PID神經(jīng)網(wǎng)絡(luò)有M個(gè)輸入，3個(gè)輸出（，，），上標(biāo)（1）（2）（3）分別代表輸入層、隱含層和輸出層，該P(yáng)ID神經(jīng)網(wǎng)絡(luò)在任意采樣時(shí)刻k的前向計(jì)算公式（3-3）如下所述：

基于BP神經(jīng)網(wǎng)絡(luò)PID控制算法可以歸納為：①選定BPNN的結(jié)構(gòu)，即選定輸入層節(jié)點(diǎn)數(shù)M和隱含層節(jié)點(diǎn)數(shù)Q，并給出各層加權(quán)系數(shù)的初值，選定學(xué)習(xí)速率和慣性系數(shù)；②采樣得到和，計(jì)算；③對(duì)進(jìn)行歸一化處理，作為BPNN的輸入；④計(jì)算BPNN的各層神經(jīng)元的輸入和輸出，輸出層的輸出即為PID控制器的3個(gè)參數(shù)，，；⑤計(jì)算PID控制器的輸出，參與控制和計(jì)算；⑥計(jì)算修正輸出層的加權(quán)系數(shù)；⑦計(jì)算修正隱含層的加權(quán)系數(shù)：⑧置，返回②[3]。

4.仿真實(shí)例

仿真試驗(yàn)中所用的直流電機(jī)參數(shù)Pnom =10kw，nom=1000r/min，Unom=220V，I=55A，電樞電阻Ra=0.5Ω，V-M系統(tǒng)主電路總電阻R=1Ω，額定磁通下的電機(jī)電動(dòng)勢(shì)轉(zhuǎn)速比=0.1925V.min/r，電樞回路電磁時(shí)間常數(shù)Ta=0.017s，系統(tǒng)運(yùn)動(dòng)部分飛輪距相應(yīng)的機(jī)電時(shí)間常數(shù)Tm=0.075，整流觸發(fā)裝置的放大系數(shù)=44，三相橋平均失控時(shí)間Ts=0.00167s，拖動(dòng)系統(tǒng)測(cè)速反饋系數(shù)=0.001178V.min/r，比例積分調(diào)節(jié)器的兩個(gè)系數(shù)T1=0.049s，T2=0.088s。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)采用4-5-3，學(xué)習(xí)速率和慣性系數(shù)，加權(quán)系數(shù)初始值取區(qū)間[-0.5，0.5]上的隨機(jī)數(shù)。利用simulink模塊建立模型如圖4.1所示。

從上面的仿真結(jié)果中，進(jìn)行比較分析后，可以得出常規(guī)PID控制系統(tǒng)BP神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)兩者對(duì)于在零時(shí)刻加幅度為1的階躍信號(hào)，它們有著不同響應(yīng)曲線。為了便于比較，可以將兩者的響應(yīng)結(jié)果列表，見表4.1。

5.結(jié)論

由仿真結(jié)果可知，BP神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的最大超調(diào)量和調(diào)整時(shí)間均比常規(guī)PID控制系統(tǒng)的最大超調(diào)量要小。這說明利用BP神經(jīng)網(wǎng)絡(luò)對(duì)PID控制器進(jìn)行優(yōu)化具有有良好的自學(xué)習(xí)、自適應(yīng)能力和魯棒性，在工業(yè)生產(chǎn)中，具有更高的價(jià)值。

參考文獻(xiàn)

[1]王敬志，任開春，胡斌.基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制[J].工業(yè)控制計(jì)算機(jī)，2011（3）：72-75.