文档介绍：2017/11/11
1
一、人工神经网络概述
人工神经网络是最近发展起来的十分热门的交叉学科,它涉及生物、电子、计算机、数学和物理等学科,并在工程上具有非常广泛的应用前景。神经网络的应用领域:模式识别、预测和预报(风险投资分析、银行欺诈预测、市场预测和市场细分)、数据挖掘、优化问题、信号处理和检测、生物学和医学。
1、学科性质及应用
2017/11/11
2
例如,用神经网络方法预测股票短期走势,通过
建立模型,对几种股票价格走势进行预测,同时还可
以对神经网络的输入参数(开盘价、收盘价、最高价
最低价和成交量)的不同组合产生的预测结果进行对
比分析。
运用于证券市场中,运用神经网络模型的非线性
映射能力和学习能力提出预测的通用模型。也可用于
企业综合绩效评判,对经济效益指标数据建模与评价。
2017/11/11
3
人工神经网络(Artificial works,ANN),简称神经网络,是一种为模仿人脑神经系统的工作机制而建立的网络模型。
神经网络的基础在于神经元。大量的形式相同的
神经元连结在—起就组成了神经网络。
神经元是以生物神经系统的神经细胞为基础的生
物模型。在人们对生物神经系统进行研究,以探讨人
工智能的机制时,把神经元数学化,从而产生了神经
元数学模型。
2、人工神经网络的概念
2017/11/11
4
生物神经网
2017/11/11
5
神经网络模型是以神经元的数学模型为基础来描述的。神经网络模型由网络拓扑、节点特点和学习规则来表示。神经网络对人们的巨大吸引力主要在下列几点:
1)并行分布处理。
2)高度容错能力。
3)分布存储及学习能力。
4)能充分逼近复杂的非线性关系。
3、人工神经网络的特点
2017/11/11
6
人工神经网络的模型现在有数十种之多,这些模
型包括BP网络、Hopfield网络、ART网络、Kohonen
网络等。其中,BP网络是至今影响最大的一种网络学
习算法,据统计,有近90%的实际网络使用了这一算
法。
人工神经网络模型的种类
下面我们将对基于BP网络的综合评价方法
进行详细介绍。
2017/11/11
7
二、BP网络算法的基本原理
BP神经网络通常是指基于误差反向传播算法(即
Error Back-Propagation,BP)的多层前向神经网络,
由一个输入层、一个或多个隐含层何一个输出层构成。
下面就三层BP网络做一个结构示意图
在BP网络模型中,各层次的神经元之间互相连接,
同层次之间无连接。
2017/11/11
8
输入层
隐含层
输出层
三层BP网络的拓扑结构
.
.
.
.
.
.
.
.
.
连接权
连接权
神经元
.
.
.
.
.
.
2017/11/11
9
二、BP网络算法的基本原理
样本:(输入向量,理想输出向量)
即(X1 ,Y2 )
BP网络的训练就是通过应用误差反传原理不断调整网络权值使网络模型输出值与已知的训练样本输出值之间的误差平方和达到最小或小于某一期望值。
具体而言,在进行训练时,首先提供一组训练样本,每个样本由输入样本理想输出组成,通过对网络的实际输出和理想输出之间的误差来修正网络连接权值,使实际的输出尽可能的接近理想输出,即达到网络输出层的平方误差均值最小,当误差达到规定的值时,网络训练结束,否则进一步调整网络连接权值,直到满足的规定的误差要求。
1、基本原理
2017/11/11
10
样
本
输
入
设定初始连接权
设定初始阈值
阈值调整
连接权调整
评
价
计
算
误差
比较
训练结束
满
足
要
求
N
继续训练