神经网络预测法.pptVIP

由此可得网络的输入-输出关系为： 径向基神经网络也是一种前馈网络,它有两个网络层：隐层为径向基层;输出为一线性层,如图7.3 所示。 这两个函数中都有参数spread,在实际应用中，合理选择spread是非常重要的。其值代表了径向基函数的宽度，表示的是RBF神经元能产生响应的范围，画图。该值越大，一个RBF神经元能能产生响应的范围越大。我们要求部分RBF神经元能够对所有输入向量都产生响应。网络设计过程中，需要用不同的SPEAD进行尝试，以确定一个最优值。 * 采用了自组织学习方法，从而具有自组织功能的网络即为自组织神经网络，如SOM网、CPN网以及ART网。 自组织学习（无监督学习、无导师学习） 1.采用有导师学习规则的神经网络要求对所学习的样本给出“正确答案”，以便网络据此判断输出的误差，根据误差的大小改进自身的权值，提高正确解决问题的能力。 .2 然而在很多情况下，人在认知过程中没有预知的正确模式，人获得大量知识常常是靠“无师自通”，即通过对客观事物的反复观察、分析与比较，自行揭示其内在规律，并对具有共同特征的事物进行正确归类。对于人的这种学习方式，基于有导师学习策略的神经网络是无能为力的。 3.自组织神经网络的无导师学习方式更类似于人类大脑中生物神经网络的学习，其最重要特点是通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数与结构。这种学习方式大大拓宽了神经网络在模式识别与分类方面的应用。 自组织网络的自组织功能是通过竞争学习实现的。 层次前向网，输入层和竞争层。 问题分析 BP，RBF网络均可达到预测目的：用前三个月的销售量预测下一个月的销售量，也就是用1-3月的销售量预测第4个月的销售量，用2-4个月的销售量预测第5个月的销售量，如此循环下去，直到用9-11月预测12月份的销售量。这样训练BP神经网 络后，就可以用10-12月的数据预测来年一月的销售量。 2、 2000年全国竞赛A题 人类基因组计划中DNA全序列草图是由4个字符A，T，C，G按一定顺序排成的长约30亿的字符序列，其中没有“断句”也没有标点符号．虽然人类对它知之甚少，但也发现了其中的一些规律性和结构．例如，在全序列中有一些是用于编码蛋白质的序列片段，即由这4个字符组成的64种不同的3字符串，其中大多数用于编码构成蛋白质的20种氨基酸．又例如，在不用于编码蛋白质的序列片段中，A和T的含量特别多些，于是以某些碱基特别丰富作为特征去研究DNA序列的结构也取得了一些结果．此外，利用统计的方法还发现序列的某些片段之间具有相关性，等等．这些发现让人们相信，DNA序列中存在着局部的和全局性的结构，充分发掘序列的结构对理解DNA全序列是十分有意义的．目前在这项研究中最普通的思想是省略序列的某些细节，突出特征，然后将其表示成适当的数学对象．作为研究DNA序列的结构的尝试，提出以下对序列集合进行分类的问题： 1）请从20个已知类别的人工制造的序列（其中序列标号1～10 为A类，11～20为B类）中提取特征，构造分类方法，并用这些已知类别的序列，衡量你的方法是否足够好．然后用你认为满意的方法，对另外20个未标明类别的人工序列（标号21～40）进行分类，把结果用序号（按从小到大的顺序）标明他们的类别（无法分类的不写入） 2）同样方法对182个自然DNA序列(他们都较长)进行分类，像1）一样地给出分类结果． 已知的人工序列 1.aggcacggaaaaacgggaataacggaggaggacttggcacggcattacacggaggacgaggtaaaggaggcttgtctacggccggaagtgaagggggatatgaccgcttgg? 2.cggaggacaaacgggatggcggtattggaggtggcggactgttcggggaattattcggtttaaacgggacaaggaaggcggctggaacaaccggacggtggcagcaaagga? 。。。。。。。。 40.ccattagggtttatttacctgtttattttttcccgagaccttaggtttaccgtactttttaacggtttacctttgaaatttttggactagcttaccctggatttaacggccagttt? 网络构建：输入为特征，期望输出为类别：0.1或0.9 网络的训练及检验： 在已知类别序列1～20中,取A类前7个序列(1～7)和B类前7个序列(11～17)作为训练集P_train,序列8～10、18～20作为测试集P_test.对BP/RBF/PNN网络进行训练,给定样本总体误差标准为10^(-5).当网络学习收敛