跨国公司在华R%26D投资的区位选择研究毕业论文.docVIP

GRNN网络在企业盈利能力预测中的应用 张吉刚 （咸宁学院湖北 咸宁 437） BP预测模型，对样本进行拟合和预测并对两者的拟合和预测性能进行比较。结果 GRNN的最优光滑因子为0.05；BP神经网络的隐含层数定为10。从拟合效果看，GRNN和BP预测模型的平均误差率分别为0.5687%和1.6008 %2.5176% 和2.1678%BP网络。 关键词:GRNN神经网络；BP网络 中图分类号:TP183 文献标识码:A 0 引 言、灰色预测模型等的预测方法虽各有优点但大都集中在对其因果关系回归模型和时间序列模型的分析上不能全面和本质地反映预测数据复杂性从而丢失了某些信息量BP网络模型，但这种网络在预测时，存在收敛速度慢，容易陷入局部极小等缺点；在处理小样本时，效果不太理想，有时预测结果受人为因素的影响。 GRNN神经网络在逼近能力、分类能力和学习速度上较BP网络有较强的优势，此外，GRNN神经网络中人为调节的参数少，只有一个阈值，网络的学习全部依赖数据样本，这样网络就可以最大限度地避免人为主观假定对预测结果的影响[2-3]。因此，本研究利用BP网络和GRNN网络分别建立预测模型，并对两者的拟合和预测性能进行比较。 1 GRNN的网络结构及算法 1.1 GRNN网络结构GRNN网络最早由Sprecht ( 1991) 提出作为一种通用的非参数回归模型, 它是径向基函数神经网