鉴于tsbp网络的功效评估探析

《鉴于tsbp网络的功效评估探析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、鉴于TSBP网络的功效评估探析-->1绪论传统的效率评价方法由于数学模型的限制，对非线性.问题需要重新构建模型，之前的经验知识不能得到充分利用，并且在信息含糊、不完整等复杂环境中难以应用。作为能够在自学习过程中捕获数据隐含信息的BP神经网络，鉴于其通用框架的特性成为解决多指标效率评价的一种有效途径，但其本身也存在一定的局限性，从而引出本文所研究的TSBP算法对BP神经网络进行改进。1.1问题背景与意义生产管理活动的目标是通过最少的投入获取最大收益的产出，效率评价通过构建一系列的投入产出指标，对产出与所投入的资源之间做出比较评价，为科学决策提供了有效依据和手段。对于效率

2、评价，目前国内外大多采用比率分析法、回归分析法、多目标层次分析法、边界分析法以及数据包络分析法等对效率进行定量测度。效率评价的基础性工作是评价指标体系的构建，实际评价中的各个指标因素之间相互影响，呈现出复杂的非线性关系，传统的评价方法必须重新建立非线性模型对其进行评价，这样一来存在许多重复性工作而且之前的经验性知识不能得以充分利用，人工神经网络评价法应运而生。BP神经网络由Rumelhart等人于1985年提出，基于BP神经网络的评价方法具有运算速度快、问题求解效率高、自学习能力强、适应面广等优势，通过现有样本数据的训练学习过程，将样本数据中隐含的信息分布于网络的权值

3、闽值中，练好的神经网络能够对非样本数据模拟专家进行评价。BP神经网络通过正向传播过程获取网络误差值，按照捕获到的网络误差值为反向传播信号，进行误差逆向传播过程，在学习训练过程中逐步调整各连接权值和神经元闭值，以极小化网络的误差值。BP神经网络能够通过历史样本的训练，提炼出隐含于数据中的深层信息，自学习、自适应、自组织能力较强，并具有任意逼近非线性映射的能力，目前被广泛使用于语言识别、自动化控制、分类预测等领域。BP神经网络评价法将专家评价的思想以连接权值、神经元闭值的方式赋予于网络上，不仅能够模拟专家进行定量分析，同时避免了评价过程中过多主观因素的介入，其处理非线性指

4、标映射关系的能力是传统的综合评价方法不可比拟的。BP神经网络评价法受到网络易陷入局部最优的制约，从而引入能够跳出局部最优束缚的禁忌搜索算法，通过设计使用禁忌表结构对其之前进行的区域搜索操作进行封锁，赦免某些禁忌区域的优良状态，再结合集中性邻域搜索以及多样化广域寻优，以保证搜索过程的全局最优性。本文在现有成果的基础上，对BP神经网络的局优问题进行了改进，以TSBP算法为研究对象，通过拥有优良的跳出局优束缚性能的禁忌搜索算法的引入，对TSBP算法的权值调整方案和自适应搜索策略进行改进，对TSBP算法在效率评价方面进行研究应用，并以高速铁路与社会经济相互影响为例，通过TSB

5、P网络的构建来模拟铁路线的建设运营对沿线区域社会的影响程度的非线性映射关系，评价铁路投入与沿线社会产出的相对效率，验证TSBP算法在效率评价方面的可行性，对节约铁路和社会资源提出参考性意见。1.2效率评价研究现状对于效率评价方法而言，目前国内外大多采用比率分析法、回归分析法、多目标层次分析法、边界分析法以及数据包络分析法等方法BP神经网络鉴于其自学习、自组织、自适应的能力，为评价相互之间呈现非线性关系的指标评价问题提供了通用框架。BP神经网络评价法针对所求解的问题构建相应的指标体系架构，用对应的指标数据来指导训练网络，通过某种学习规则或者自适应过程建立相应的非线性模型

6、，不断修正网络的权值闭值，从而逐步拉近网络输出与理想输出之间的差距。1.2.1效率评价方法比较目前，国内外大多采用比率分析法、回归分析法、多目标层次分析法、边界分析法以及数据包络分析法等对效率进行定量测度。比率分析法:是指以单一的投入比单一的产出作为效率值的分析方法。这种方法使用方便，计算方法简单，但是只适用于单一投入和单一产出的行业，容易忽略其余因素的贡献，并不能反映出整体的效率情况。回归分析法:假设自变量与因变量之间呈现函数关系，在捕获大量数据的基础上，应用数理统计的方法，找出因果回归关系。回归分析法比比率分析法严谨客观，但无法同时处理多投入与多产出，比较适用于单

7、一产出与多投入的分析。多目标层次分析法:多目标层次分析法的前提是待评价的问题的投入和产出是有多因素组成的，将评定形式设定为多重属性或多重目标，以此来衡量多投入多产出的效率，该方法较能符合评估的实际需要。但是指标的权重不易客观设定，容易产生主观的偏差。2论基础20-312.1BP神经网络.............20-262.1.1BP网络模型描.............20-232.1.2BP网络算法流.............232.1.3BP网络关键因.............23-242.1.4BP算法改进策.............24-26