第五讲 人工神经网络评价方法.pptVIP

BP学习算法 基本思路：按照Delta规则，对各层权进行调整，从而使精度要求满足∑Epε 其中，Ep满足公式： * 几个问题的讨论 收敛速度问题 局部极小点问题 网络瘫痪问题 稳定性问题 步长问题 * 基于ＢＰ神经网络的企业效绩综合评价 * 建立系统的评价指标体系：然后才能采用适当的方法进行评价。根据评价的全面性和可比性原则,企业效绩主要从财务效益状况、资产营运状况、偿债能力状况以及发展能力状况4个方面来全面综合考核企业绩效 评价值和综合评价得分的获得方法：参照财政部颁布的大型普通机械制造业各指标的最优和较差标准值。各评价指标的标准值的计算： 指标体系的构成 财务效益状况 净资产收益率 总资产收益率 资本保值增值率 成本费用利润率 资产运营状况 总资产周转率 流动资产周转率 存货周转率 应收账款周转率 偿债能力状况 资产负债率 产权比率 速动比率 现金流动负债比率 发展能力状况 销售增长率 资本积累率 总资产增长率 固定资产成新率 * * 评价结果分析 * 　 应用ＢＰ网络通过对本企业历史数据的训练,利用训练好的网络可以简便有效地评价企业当期各个方面的评价值,进而得出企业整体效绩大小。在实际操作中,通过评价标准大小的选取,比如选择行业优秀值,可以进行同类企业的横向比较,看出在市场竞争中企业的整体优劣状况和效绩排名。 * 主要内容 1. 人工神经网络基础知识 2. BP网络及BP算法 3. 实例演示 * 一、人工神经网络的概念 人工神经网络是一个并行、分布处理结构，它由处理单元及连接的无向信号通道互联而成。这些处理单元具有局部内存，并可以完成局部操作。 每一个处理单元有一个单一的输出联接，这个输出可以根据需要被分成希望个数的许多并行联接，且这些并行联接的输出相同的信号及相应的处理单元的信号，信号的大小不因分支的多少而变化。 处理单元的输出信号可以是任何需要的数学模型，每个处理单元中进行的操作必须是完全局部的。也就是说，它必须仅仅依赖于经过输入连接到达处理单元的所有输入信号的当前值和存储在处理单元局部内存中的值。 * 人工神经网络的八个要素 一组处理单元 处理单元的激活状态 输出函数 联接模式 传递规则 激活规则 学习规则 样本集合 * 模型图 * w1i w2i wni … Neti=∑xjwji ai=Fi(ai,neti) oi=f(ai) 人工神经元 基本构成 对每一个神经元来说都会接受一组输入信号，每个输入信号都对应一个权，所有输入的加权和决定该神经元的激活状态。 设：Ｘ＝（ｘ1，x2，．．．，xn）　　输入向量 　　W=(w1，ｗ２，．．．，ｗｎ)　　联接权向量 neti=∑xiwi　　网络输入 　　net=XW * 激活函数 希望人工神经元有一个更一般的变换函数，用来执行该神经元所获得的网络输入的变换，这就是激活函数。 o=f(net) 几种典型的激活函数： * 几种典型的激活函数 1.线性函数： 2.非线性斜面函数： net≥θ -θ net θ net≤-θ 3.阶跃函数： netθ net≤θ * 几种典型的激活函数 4.S型函数 其中，当a=0，b=1时为函数最简单形式，饱