人工神经网络在经济管理问题中应用.docVIP

人工神经网络在经济管理问题中的应用 　　摘　要：阐述人工神经网络机理，给出人工神经网络在经济管理问题中应用的一般方法及其方向，对未来人工神经网络在经济管理问题中的应用提出一些看法。 　　关键词：人工神经网络BP神经网络Hopfield神经网络经济管理问题 　　 　　1引言 　　 　　神经网络是由众多简单的神经元连接而成的一个网络，其行为并不是各神经单元行为简单相加。网络的整体动态行为极其复杂。神经网络具有大规模地并行处理能力和自适应、自组织、自学习能力以及鲁棒(robust)性等特点。在许多领域里人工神经网络得到了成功地应用，它展现了了非常广阔的应用前景。 　　经济管理中出现的问题多数具有模糊性、不确定性、动态性、变量个数多而复杂，因此应用人工神经网络求解经济管理问题有着广泛的适应性。本文介绍了使用BP神经网络、Hopfield神经网络工作机理以及求解经济管理中的科学预测、最优决策问题的一般方法，说明其应用方向，对未来人工神经网络在经济管理中的应用提出一些看法。 　　 　　2人工神经网络模型理论 　　 　　神经网络是20世纪70年代后期掀起的一门新科学，它是由仿造人脑的一系列相互关联神经元组成，用来模拟人的思维方式。 　　 　　2．1生物神经元机理 　　在神经元结构中包含有树突和轴突。树突相当于细胞的输入端，树突的全长各点都能接收其他神经元的冲动或外界刺激。轴突是用来传递和输出信息的，其端部的许多轴突末梢为信号的输出端子，将神经冲动传给其他神经元或外界。 　　神经冲动只能由前一级神经元的轴突末梢传向下一级神经元的树突或细胞体，不能反向传递。神经元具有两种常规状态：兴奋与抑制状态。神经网络的结构可以分为前馈型和反馈型。 　　2．2神经元的数学模型 　　UK=∑kjXj； 　　Vk=netk=Uk－θk； 　　yk=Ψ(Vk) 　　式中，X1，X2…Xp为输入信号，它相当于细胞神经元的树突，为人工神经网络的输入信息；Wk1，Wk2，…Wkp为神经元K的权值，Uk为线性组合结果，θk为阈值；(?)为激活函数；yk为神经元k的输出，它相当于生物的轴突，为人工神经元的输出信息。图1表示了人工神经元模型计算过程。 　　 　　3经济管理问题中人工神经网络的应用 　　 　　经济管理问题可以归结为科学预测与最优决策问题。在实际工作中，经济管理问题涉及的变量多而复杂，大多数变量具有模糊性。变量与变量之间、变量与常量之间的关系往往是非线性的，甚至不能找到传统的数学解析式对这些变量与常量做出合理的解释。人工神经网络是一种隐式的推理，具有高度的非线形与极强的模糊推理能力。这样，人工神经网络在解决经济管理问题有着传统数学分析方法无法比拟的优点。因此，在经济管理领域，应用人工神经网络的空间会越来越广。 　　 　　3．1前向人工神经网络(BackPropagation BP神经网络模型)在经济管理预测问题中的应用 　　传统的预测分析方法一般采用多元回归线性分析，对于不易建立精确的数学模型，具有不确定性与非线形的经济管理问题，回归预测分析方法在构建模型受到限制，而且方法的精度不高，不能贴实反映经济管理问题的“真相”。BP前向人工神经网络可以解决这些问题。图2表示的是含有一层隐含层前向人工神经网络示意图。 　　预测是从历史n个样本数据中p个解释变量(Xi1，Xi2，…Xip)与k个被解释变量中找出解释变量与被解释变量的合理关系后(其中i=l，2，…n)，对 　　 　　 　　经济管理预测中常出现的风险预测、需求量预测、销售收入预测、合作伙伴信用预测，项目工期预测、项目成本预测、公司员工满意度预测，汇率价格预测、GDP预测、居民消费水平预测……，这些问题经设置对应的解释变量与被解释变量后，都可以使用BP神经网络求解。BP神经网络具有很强的自我学习能力，误差函数的求解是一个始于输出层反向传播的递归过程，BP神经网络求解经济管理预测问题能够得到满意的预测值。 　　 　　3．2反馈型神经网络(Hopfield 神经网络)在经济管理最优化问题中的应用 　　经济管理中的最优化问题经常有很多约束条件，目标函数可能是单目标也可能是多目标。约束函数与目标函数往往都是非线性的，使用传统的求解非线性规划问题方法，如最速下降法、变尺度牛顿法、共轭梯度法、内点法、外点法等，尽管可能找到最优解，但收敛速度很慢，并且得到的最优解多数情况下是收敛于局部最优，并非全局最优解。Hopfield神经网络是全互联神经网络，它的每个神经元都与其他神经元相连接。 　　离散型Hopfield神经网络计算能量函数： 　　Hopfield神经网络在运行过程中能量值将不断降低，最后趋于稳定状态。使用Boltzmann机神经网络在系统运行中，先