原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第四节基于神经网络的物流系统预测法 关于神经网络的理论研究证明：一个三层前馈神经网络能以任意精度逼近一个任意复杂的非线性函数。 神经网络预测的原理：利用其强大的非线性映射能力，通过对历史数据样本的学习自动产生自变量与因变量之间的非线性映射关系，并将这种关系隐含在神经网络的结构和参数中；对任一新的自变量值，可很快利用该网络输出因变量值。（一）神经网络预测的数学模型 三层BP网络的拓扑结构 上图为多层前馈神经网络中应用最广泛的三层BP网络的拓扑结构，由输入层、隐含层和输出层三层构成，各层的神经元个数分别为m、l、n。输入层的m个节点代表m个自变量；输出层的n个节点代表n个因变量，即要预测的多个目标；隐层节点数可按经验选定或试探确定，它影响的是网络训练速度，一般 l =（0.5~1）（m + n）。网络的输入、输出向量分别为： X=(x1,x2,…,xn)TY=(y1,y2,…,yn)T在各层神经元个数确定、各层神经元间权重及阈值确定的情况下，对给定的输入向量X，按下面的公式分别计算隐层和输出层的神经元的输出值： f(*)是神经元激活函数，一般取sigmoid函数：f(u)=1/(1+e-u)（二）神经网络预测的学习过程 （1）正向计算 第一步，确定初始参数：各神经元节点数目、学习精度、迭代次数，初始权重及阈值。 第二步，对任一输入向量X，计算隐层输出值，即算出输出层的输入值。 第三步，计算输出层的输出值 。（2）误差反向传播计算 用网络输出值与样本目标值的误差平方和作为预测评价值，即 其中，Gi为样本目标值，p为样本总个数，Yi为网络输出值。 权值及阈值调整的迭代的计算公式： 式中的 ，是网络学习速率。 第四步，计算输出值误差（ gk - yk）和bk。第五步，初定学习速率?、?=0.5~0.85。第六步，调整输出层与隐层间的权重Wjk(2, 3)和阈值?k。第七步，计算ej，再调整隐层与输出层间的权重Wij(1,2)和阈值?j。
文档评论（0）