人工神经预测模型

《人工神经预测模型》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、.研究人工神经网络模型对成绩预测的效果，建立人工神经预测模型，对铅球运动员的成绩进行评估和预测。结果表明：该模型克服了多元回归模型和灰色模型需要事先确定数学模型的缺点，更为准确地映射出运动员素质训练指标与专项运动成绩之间的函数关系，从而更精确地预测出铅球运动员的专项成绩。人工神经网络(ArtificialNeutralNetworks，简称ANN)是由大量简单的基本元件——神经元相互连接，模拟人的大脑神经处理信息的方式，进行信息并行处理和非线性转换的复杂网络系统。本文通过相关分析，确定与运动员专项成绩高度相关的素质训练指标。然后利用人工神经网络强大的

2、函数映射能力，在不需要事先确定预测模型的数学表达形式的条件下，通过神经网络对训练样本的学习，建立起铅球运动员专项成绩模型的建立与实现，都是借助MATLAB软件。其中的神经网络工具箱以人工神经网络理论为基础，构造了网络分析和设计的许多工具函数。运用神经网络工具箱进行预测研究，编程简便，预测过程易于实现。的预测模型。该模型如实反映了运动员专项成绩与素质训练指标之间的映射关系，显示出很高的预测精度。BP神经网络算法原理-..BP网络模型处理信息的基本原理是：输入信号Xi通过中间节点（隐层点）作用于输出节点，经过非线形变换，产生输出信号Yk，网络训练的每个样

3、本包括输入向量X和期望输出量t，网络输出值Y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的联接强度取值Wij和隐层节点与输出节点之间的联接强度Tjk以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线形转换的信息。一BP神经网络模型BP网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。（1）节点输出模型隐节点输出模型：Oj=f(∑Wij×Xi-qj)   (1)输出节点输出模型：Yk=f(∑

4、Tjk×Oj-qk)(2)f-非线形作用函数；q-神经单元阈值。（2）作用函数模型作用函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数，一般取为(0,1)内连续取值Sigmoid函数：                       f(x)=1/(1+e-x)                  （3）-..（3）误差计算模型误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数：                   Ep=1/2×∑(tpi-Opi)2               (4)tpi-i节点的期望输出值；Opi-i节点计算输

5、出值。（4）自学习模型神经网络的学习过程，即连接下层节点和上层节点之间的权重拒阵Wij的设定和误差修正过程。BP网络有师学习方式-需要设定期望值和无师学习方式-只需输入模式之分。自学习模型为                      △Wij(n+1)=h×Фi×Oj+a×△Wij(n)（5）h-学习因子；Фi-输出节点i的计算误差；Oj-输出节点j的计算输出；a-动量因子。二BP网络模型的缺陷分析及优化策略（1）学习因子h的优化采用变步长法根据输出误差大小自动调整学习因子，来减少迭代次数和加快收敛速度。h=h+a×(Ep(n)-Ep(n-1))/E

6、p(n)a为调整步长，0~1之间取值（6）（2）隐层节点数的优化-..    隐节点数的多少对网络性能的影响较大，当隐节点数太多时，会导致网络学习时间过长，甚至不能收敛；而当隐节点数过小时，网络的容错能力差。利用逐步回归分析法并进行参数的显著性检验来动态删除一些线形相关的隐节点，节点删除标准：当由该节点出发指向下一层节点的所有权值和阈值均落于死区（通常取±0.1、±0.05等区间）之中，则该节点可删除。最佳隐节点数L可参考下面公式计算：L=(m+n)1/2+c(7)m-输入节点数；n-输出节点数；c-介于1～10的常数。（3）输入和输出神经元的确定利

7、用多元回归分析法对神经网络的输入参数进行处理，删除相关性强的输入参数，来减少输入节点数。（4）算法优化由于BP算法采用的是剃度下降法，因而易陷于局部最小并且训练时间较长。用基于生物免疫机制地既能全局搜索又能避免未成熟收敛的免疫遗传算法IGA取代传统BP算法来克服此缺点BP神经网络优缺点之我见多层前向BP网络是目前应用最多的一种神经网络形式,但它也不是非常完美的,为了更好的理解应用神经网络进行问题求解,这里对它的优缺点展开讨论:-..多层前向BP网络的优点：①网络实质上实现了一个从输入到输出的映射功能，而数学理论已证明它具有实现任何复杂非线性映射的功能

8、。这使得它特别适合于求解内部机制复杂的问题；②网络能通过学习带正确答案的实例集自动提取“合理的”求解规则，即