神经网络的基本概念

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇神经网络的基本概念范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

神经网络的基本概念范文第1篇

关键词:学生综合素质评价;BP神经网络;算法设计

中图分类号:TP311文献标识码:A文章编号:1009-3044(2009)24-6786-03

BP neural Network Based on the Overall Quality of the Student Evaluation of Algorithm Design

ZHANG Wen-sheng

(Xiamen Gongshang Lvyou Xuexiao, Xiamen 3610012,China)

Abstract: In this paper, the overall quality of the students a variety of evaluation methods carried out in-depth analysis to explore the use of BP neural network theory to evaluate the feasibility of the overall quality, and BP neural network based on the overall quality of the student evaluation of algorithm design.

Key words: evaluation of the overall quality of students; BP neural network; algorithm design

学校德育教育是提高学生综合素质的重要一环,在学校工作中占有举足轻重的地位。德育涉及大量定性和定量的数据处理,为了体现其科学性和公平性,采用先进的计算机技术进行学生综合素质量化评估势在必行。

1 问题的提出

据调查,目前在学校里对学生素质评价的方法,主要有以下几种:

1) 定性描述法

在学期或学年结束时,班主任根据学生在班级、学校和社会活动中的行为表现,运用文字对学生的综合素质进行描述,作为对学生的评价。这种方法在评价学生综合素质时起过一定的作用,但是,由于教师对学生综合素质评价的内容不明确,要求不统一,带有一定的主观片面性和模糊性。

2) 等级划分法

班主任根据平时对学生的观察和了解,对学生的综合素质行为划分出优、良、中、差四个等级。它只能说明每个学生综合素质发展的程度,在班集体中所处的地位,但缺乏具体内容,学生对于自己或他人的优点和缺点、以及个人今后的努力方向都不明确。

3) 自我总结法

这种方法是以学生为主,在教师的指导下总结自己的收获,存在的问题、以及今后的努力方向,并写成书面材料,然后写在操行表的自我总结栏内。这种方法是以学生的自我评价为主,它对于提高学生的自我评价能力,具有一定的促进作用。但是,由于没有老师和同学们参加评价,其评价结果缺乏客观性。

4) 小组评议法

是以班级小组评议为主。通过开评议会的形式,对全组成员分别进行评议,肯定成绩,提出缺点,最后把大家的意见集中起来,作为对学生的评价结果。它具有一定的客观性,可是,没有教师参加评议,影响了评价结果的可信度。

上述各种方法的都有一定的长处,也有一定的缺点。例如,对学生的综合素质的结构,没有明确统一的规定和具体要求;不能同时吸收各方面的意见参加评价;没有制定较为符合需要的综合素质量表和采用科学的测量手段等等。所以,评价的结果往往带有主观片面性,评语内容的不确定性,以及处在同一等级的同学之间存在差异的模糊性。于是最近又提出了对学生综合素质定量进行测量和评价。

5) 定量分数法

将构成学生综合素质的各种因素数量化,并制定出综合素质量表。在具体的进行测量和评价时,把学生综合素质所含每种因素的发展程度分为优、良、中、差四个等级,每个等级分别对应一定的标准值。对不同因素确定不同的权重大小,再综合学生每个因素所取得的标准值,最后得出学生的综合素质分。

用定量的方法对学生的综合素质发展程度进行评价时,不同因素需要确定不同的权重大小。权重的大小对评估结果十分重要,它反映了各指标的相对重要性。由于对不同的因素的权重是人为给定的,而学生综合素质的各项因素对学生的整体素质存在不可确定的影响程度,因些在对学生的测量和评定过程中必然受到主观因素及模糊随机性的影响。并且这种方法需要消耗大量的人力和时间。

为了探讨这个问题,我们根据BP神经网络的基本概念和原理,用神经网络自我学习的方法,对中学生综合素质进行测量和评价。BP神经网络能利用经验样本对神经网络的训练,达到神经网络的自我学习,在网络中自动建立一个多输入变量与输出变量间的非线性映射过程,无需建立具体的数学模型和规则,可以处理那些难以用模型或规则描述的过程或系统。神经网络具有自组织、自学习、自适应的特点,能通过连接权重的不断调整,克服权重确定的困难,弱化人为因素,自动适应信息、学习新知识,最终通过学习训练对实际学习样本提出合理的求解规则,对学生的综合素质的整体评定具有十分重要的意义。首先我们来了解BP神经网络的基本原理。

2BP神经网络的基本原理

1) 神经元网络基本概念

神经网络是单个并行处理元素的集合,从生物学神经系统得到启发。在自然界,网络功能主要由神经节决定,可以通过改变连接点的权重来训练神经网络完成特定的功能。如图1所示。这里,网络将根据输出和目标的比较而进行调整,直到网络输出和目标匹配。

2) 神经元网络结构

图2所示为一个单标量输入且无偏置的神经元。

神经元输出计算公式为:a=f(wp+b)。神经元中的w和b都是可调整的标量参数。可以选择特定的传输函数,通过调整权重 和偏置参量 训练神经网络做一定的工作,或者神经网络自己调整参数以得到想要的结果。

3) BP结构及算法描述

在实际应用中,神经网络用得最广泛的是反向传播网络(BP网络),典型的BP网络是三层网络,包括输入层、隐含层和输出层,各层之间实行全连接。

BP网络是采用Widrow-Hoff学习算法和非线性可微传输函数的多层网络。网络的学习过程由正向和反向传播两部分组成。在正向传播过程中,每一层神经元的状态只影响到下一层神经元网络,如果输出层不能得到期望输出,就是实际输出值与期望输出值之间有误差,那么转入反向传播过程,将误差信号沿原来的连接通路返回,通过修改各层神经元的权值,逐次地向输入层传播去进行计算,再经过正向传播过程,这两个过程的反复运用,使得误差信号最小。实际上,误差达到人们所希望的要求时,网络的学习过程就结束了。

4) 反向传播算法

反向传播学习算法最简单的应用是沿着性能函数最速增加的方向一梯度的负方向更新权重和偏置。这种递归算法可以写成:

xk+1=xk-ak*gk

这里xk是当前权重和偏置向量,gk是当前梯度,ak是学习速率。在神经元中,学习速度又称为“学习速率”,它决定每一次循环训练中所产生的权值变化量(即该值的存在是神经元网络的一个必须的参数)。大的学习速度可能导致系统的不稳定,但小的学习速度将会导致训练较长,收敛速度很慢,通常情况下取值在0-01～0,8之间。

3 基于BP神经网络的学生综合素质量化评估模型

从上述对神经元网络基本概念的研究,我们可以看出BP神经网络主要根据所提供的数据,通过学习和训练,找出输入与输出之间的内在联系,从而求取问题的解,而不是完全依据对问题的经验知识和规则,因而具有自适应功能,这对于弱化权重确定中的人为因素是十分有益的;其次能够处理那些有噪声或不完全的数据,具有泛化功能和很强的容错能力;由于实际对学生量化评估往往是非常复杂的,各个因素之间相互影响,呈现出复杂的非线性关系,人工神经网络为处理这类非线性问题提供了强有力的工具。因此与其它评定方法相比,基于神经网络的评价方法越来越显示出它的优越性。结合学校对学生进行综合素质评估考核的具体问题,我们提出以下设计。

3.1量化评估内容的确定

1) 确定学生的综合素质结构

学生的综合素质结构,主要是根据一定历史阶段的社会要求、学校对学生的传统要求,以及各个不同年龄阶段学生心理和生理发展的特征来确定的,它具有一定的社会性、科学性、可行性。以教育部提出的职业学校学生发展目标为依据,评定内容包括:道德品质与公民素养、学习能力、交流与合作能力、运动与健康、审美与表现、职业技能等6个层次。每个层次又包括各种因素,各层次和因素之间又是相互联系和相互促进的,它既反映了社会的、学校的具体要求,又符合学生综合素质发展和形成的规律。当然,在实际评价学生中,可以根据学校的实际特点进一步确定各要素,进一步构成学生综合素质评价的综合评价指标体系。

2) 学生综合素质评价的结构设计

用BP神经网络进行学生综合素质评价结构的设计如图3所示。对学生的综合素质进行量化评估时,从输入层输入评价学生综合素质的n个评价指标因素信息,经隐含层处理后传入输入层,其输出值y即为学生评估结果。这n个评价指标因素的设置,要考虑到能符合学生综合素质发展和形成的规律,能全面评价学生的综合素质状况。

网络结构的参数选择十分重要,由于输入层与隐含层神经元个数的增加会增加网络的表达能力,不仅会降低系统的性能,同时也会影响其收敛速度和增加噪声干扰。所以首先必须确定输入层神经元的数目。为使模型即有理论价值又有可操作性,本例对应于对学生综合素质考核结构的六个因素,本文采用6个输入神经元,分别为道德品质与公民素养、学习能力、交流与合作能力、运动与健康、审美与表现、职业技能等评价指标。由于目前隐单元数尚无一般的指导原则,为了兼顾网络的学习能力和学习速度,隐含层神经元的个数选择采用试算法,在网络训练过程中进行调整。笔者首先选定15,用训练样本来学习,然后减少隐含层单元数后再进行学习,通过观察训练误差变化的大小来调整隐单元数。其原则是:若在减少隐单元数进行训练时过程平衡(即逐步收敛并达到较小的误差)且误差无显著增加,则说明减少隐单元数是合适的;否则表明隐单元数不宜减少,而应增加隐单元数直到满意为止。选择一个输入神经元为学生综合素质最终评价结果,分别以0、0,5、1对应于学生评议等级的优、良、中三种不同的评价结果。经过多次实验,最后得到适宜的网络模型为6-4-1网络模式。

3.2 量化评估模型

1) 指标体系的规范化处理

根据神经网络计算规则,为了保证输出在线性部分,不到两端去,应保证输入输出在0-1之间,反传达时也一样,输出应在0~1之间。因此要将原始数据归一预处理,变换为[0,1]区间的数值,得到规范化数据,作为输入输出节点的样本数据。原始数据采用我校高一年一个班级的50名学生的学生综合素质各项指标因素样本数据,将实际数据分为两组:前40名学生的各项指标因素成绩样本数据作为学习样本,后10名学生的成绩数据作为测试样本。

2) 学习算法

本模型采用6-4-1BP神经网络结构,其中输入层为6个指标值和一个阈值。模型初始化时对所有的连接权赋予(0,1)上分布的随机数,阈值取1。权值的修正依据带惯性因子的delta规则。根据多次试验的结果,其中,惯性因子α=0.075,学习率η=0.85,将样本数据40组为一次循环,每次循环记录40组样本中最大的学习误差。经过多次的学习,最后观察网络输入与期望输出的相对误差,当误差小于0.005时,学习结束。可以得到如果增大样本的个数,精度还会进一步提高。

本文探讨了神经网络在学生综合素质评价上的应用方法,可取得较为理想的结果,它可以解决用传统统计方法不能或不易解决的问题。但是由于它是一种黑盒方法,无法表达和分析评估系统的输入与输出间的关系,因此也难于对所得结果作任何解释,对求得的结果作统计检验;再者,采用神经网络作评价系统时,由没有一个便于选定最合适的神经网络结构的标准方法,只能花大量时间采用凑试法,从许多次实验中找出“最合适”的一种;还有样本数据需要足够的多,才能得到较为理想的结果。

参考文献:

[1] 高长梅,赵承志,白昆荣.学校德育工作全书(上)[M].北京:人民日报出版社,2005.

[2] 闻新,周露,李翔,张宝伟.MATLAB神经网络仿真与应用[M].北京:科学出版社,2008.

[3] J.P.Marques de sa,Pattern Recognition―Concepts,Methods and Applications[M].北京:清华大学出版社,2006.

神经网络的基本概念范文第2篇

关键词：模糊神经网络；字符识别；角点；连通域

0 引言

印刷体字符识别技术具有极大的实用价值，被广泛应用于大量文报资料、财务票据、文案扫描等文件处理领域[1]。它采用模式识别方法，将通过光学扫描输入得到的印刷品图像，转化为计算机能够处理的电子文档，其技术衡量指标包括识别率、识别速度、版面理解正确率及版面还原满意度四个方面[2]。

近年来，以模糊逻辑、神经网络与遗传算法为代表的人工智能这一新兴学科以其强大的学习功能在字符识别领域得到了广泛的应用。其中，模糊控制常用于少量字符情况下，它具有不依赖被控对象的精确模型、鲁棒性强、算法简明易懂等特点，但是其规则库难于设计，学习功能差；神经网络可以用于大规模字符识别，它具有能够逼近任意非线性函数关系的能力和比较方便的学习手段等特点[3,4]，但其参数不易收敛，推理功能差。而模糊神经网络集两者优势于一体，具有高鲁棒性和高度非线性学习能力，能够准确、快速的对已有数据进行学习，并在一定程度上提高了字符识别效率。本文利用模糊神经网络，采用角点定位和连通域提取等技术，设计了一套印刷体字符识别的新方法。

1 FNN结构和学习算法

FNN结构如图1所示，第一层为输入层，该层的各个结点直接于输入图像向量的各分量x1连接，它起着将输入值x=[x1 x2 …xn]T传送到下一层的作用，该层结点数N1=n；第二层每个结点代表一个模糊语言变量值，如PB，NS等。它的作用是计算各输入分量属于各语言变量值模糊集合的隶属度u，本文的隶属度函数采用最常用的高斯函数，该层结点数N2=m1+m2+…mn；第三层的每个结点代表一条模糊规则，它的作用是用来匹配模糊规则的前件，计算出每条的适用度，即ai=min{ ui1，ui1，ui2…uin}，对于给定的输入，只有在输入点附近的那些语言变量值才有较大的隶属度值，远离输入点的语言变量值的隶属度很小或者是0，该层结点数为m；第四层用于归一化计算，其结点数与第三层相同；第五层是输出层，实现清晰化计算，其yi=wi1a1+ wi2a2+ … wirar，i=1,2,..r。

图1

该网络学习方法与BP反向传播网络训练方法类似，基本步骤为：①初始化网络的随机权值wi；②计算结果与期望输出向量的误差；③按a=0.7的比例学习因数调整第五层神经元的权重，以减少与期望的误差；④将误差返回到上层的每个神经元；⑤重复③④调整每个神经元的权重，直到网络满足要求为止。

2 字符特征提取

图2为系统流程图，在图像采集后，需要将图像规则化，这通过滤波、二值化、平移、旋转等操作来实现。图像滤波方法很多，本文采用常用的平滑滤波；而旋转变换则需要判断出图像的角度。一般印刷品具有规则的几何形状，故在标准平面坐标下，根据图像四个角之间相对距离的不变性，经过旋转后的图像必与水平坐标呈某一角度[5] ，故可以检测出图像的四个角作为角点，计算出角点间连线与水平坐标的夹角，进而将待检测图像及标准图像恢复到水平位置，即可做进一步的单个字符提取，按照正确的角度去识别印刷品上的内容。

角点是二维图像亮度变化剧烈的点或图像边缘曲线上曲率极大值的点，通过对待检测图像求其二次梯度图，可知其每个象素点的灰度变化剧烈程度，进而获得图像四个角的坐标值。然后，通过角点坐标，我们可以计算出图像的倾斜角度，则角度旋转后可将图像转化为与标准模板相同的角度。

下一步就是提取单个字符并识别，本文采用连通域分析法进行字符提取。

象素的连通域是一个基本概念，它能够对数字图像区域和边界等概念进行简化。当两个象素相邻并且象素值满足一定的相似性准则，则这两个象素连通，依据具体范围需要，一般分为4邻接连通域，8邻接连通域和m连接连通域。本实验是在已知字符大小的情况下，将规定的、大小合理的提取线框从左、上到右、下进行逐行移动，依据各种标点符号的类型，汉字的上下、左右等构成方式，把规定合理范围内最相近连通域结合，视为一个字符。为了防止产品印刷过程中漏印、飞墨、针孔、刮擦等情况出现，我们又针对不同的连通域使用不同的图像处理方法，比如：为防止漏印，将4连接连通域和8连接连通域结合使用，减少漏印象素的影响；为防止飞墨，将完全连通域取中值，以恢复其合理的结构。

3 仿真研究

本文仿真软件使用MatlabR2010b，图像采集设备为工业摄像头。模糊神经网络输入为上述规定方框的象素值，输出为人工设定的字符标号，比如：0表示阿拉伯数字‘0’，55表示汉字‘人’字，80表示英文字母‘B’。

该系统采用监督学习方法，依据1、2所述原理，第一步为训练阶段，采集标准印刷品图像上面300个常见字符作为训练数据，对所建模糊神经网络进行训练。第二步是学习测试阶段，将作为训练的印刷品作为测试样本，其学习准确率为98%，高于单独使用神经网络（92%）；第三步是实际测试阶段，将其他类似印刷品字符作为测试数据，得出的字符识别准确率是86.53%，高于单独使用神经网络（74%）。

4 结论

本文利用模糊神经网络，使用角点定位和连通域分析等技术，建立了一个印刷品字符识别器。实验结果表明，相对于单纯学习算法，该模糊神经网络具有很好的学习能力和很强的鲁棒性，能够很好应用于印刷品字符识别领域。未来工作可放在改进学习算法和在字符大小不同情况下的识别两个方面。

图2

参考文献

[1] 李果. 自动印刷质量检测技术及系统综述[J]. 印刷质量与标准化，2011．

[2] 钟辉. 彩色印刷品图像缺陷自动检测系统算法的研究[D]. 吉林大学，2007

[3] 赵晓霞. 一种粗糙模糊神经网络识别器及其应用[J]. 中北大学学报(自然科学版），2009

[4] 周泽华, 胡学友等. 基于神经网络的印刷体数字字符的识别[J]. 自动化与仪器仪表，2009

[5] 王诗琴, 程耀瑜等. 等基于角点定位的印刷品缺陷监测[J]. 信号与系统， 2011

作者简介

神经网络的基本概念范文第3篇

关键词：人工神经网络；信息处理；风险评估

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）06-1285-02

Research on the Application of Artificial Neural Network

LI Hong-chao

（China University of Petroleum （East China）， Qingdao 266580，China）

Abstract： Artificial neural networks are part of an integrated artificial intelligence， it is proposed is based on research of modern neuroscience. With the continuous development of artificial neural networks， and their use more widely. This article first analyzes the basic concepts and features of artificial neural networks， from six aspects of information， medicine， psychology and other details of the application of artificial neural networks.

Key words： artificial neural network； information processing； risk assessment

1 人工神经网络

人工神经网络，英文名为“Artificial Neural Network”，简称ANN，它充分分析大脑神经突触联接的结构特点，对其进行模拟，然后进行信息处理。简单来说，人工神经网络就是对人脑结构、人脑功能的模仿。它的特点有很多，比如非线性、非局限性、非常定性、非凸性等。这些特点铸就了人工神经网络的各种功能，促进了它的应用。

2 人工神经网络的应用

随着人们对人工神经网络的不断研究，人工神经网络的作用越来越大，给人们提供了更好的服务，下面就以人工神经网络在信息领域、医学、经济领域、控制领域、交通运输、心理学六个方面分别介绍其应用。

2.1 信息领域

人工神经网络在信息领域的应用分为两个方面，一个是信息处理，一个是信息识别。

1）信息处理

由于现代信息的多样化和多变性的特点，信息处理就变得复杂起来，人工神经网络可以对人的一部分思维能力进行模仿甚至代替，解决传统信息处理的困难。在通常情况下，人工神经网络可以自动诊断问题，开启问题求解模式。另外，人工神经网络系统的容错性能高，当其连接线遭到破坏，自身的组织功能还是可以保持它的优化工作状态。因此，军事系统充分利用这一优势，在其电子设备广泛应用人工网络信息系统。

2）模式识别

这项功能的理论基础有两个，一个是贝叶斯的概率论，另一个是申农提出的信息论。模式识别主要是分析和处理存在于目标体上的各种形式的信息，然后在处理和分析的基础上对目标体进行描述、辨认等过程。随着人工神经网络在模式识别中的应用，传统的模式识别逐渐被取代。随着模式识别的发展，已经逐渐应用到语音识别、人脸识别、文字识别等各个方面。

2.2 医学领域

人体是非常复杂的，在医学中，想要弄清楚疾病的类型、疾病的严重情况等，仅仅依靠传统的望闻问切诊断方法是远远不够的，医学的发展需要运用新技术。人工神经网络应用于医学中，可以分析生物信号，观察信息的表现形式以及研究信息的变化规律，将这三者的结果进行分析和比较，从而掌握病人的病情。

1）生物信号的检测与分析

在医学诊断中，医生基本上都是通过对医学设备中呈现出来的连续波形进行分析。人工神经网络中有一套自适应的动力学系统，该系统由一些数量庞大的简单处理单元互相连接。因此，它具有多种功能，比如Massively Parallelism，即所谓的巨量并行，分布式存贮功能以及强大的自组织自学习功能等。用常规处理法处理生物医学信号分析非常困难，而人工神经网络的功能可以有效解决难题，其在生物医学人脑检测与处理中的应用非常广泛，比如分析电脑信号，对心电信号进行压缩处理，医学图像的识别等，在很大程度上促进了医学的发展。

2）医学专家系统

对于传统的专家系统而言，其工作原理基本上就是先由专家根据自己多年的医学经历，总结自己的经验和所掌握的知识，以某种规则的形式将这些经验和知识存储在电脑中，建立一个专家的知识库，然后借助逻辑推理等方式开展医疗诊断工作。但是，随着专家知识的不断增长和经验的日益丰富化，数据库的规模会越来越大，极有可能产生知识“爆炸”的现象。同时，专家在获取知识的过程中也会遇到困难，导致工作效率低下。人工神经网络中的非线性并行处理方式解决了传统专家系统中的困难，在知识推理、自组织等方面都有了很大的提高，医学专家系统也开始逐渐采用人工神经网络系统。

在医学领域中，麻醉和危重医学的研究过程中，存在很多的生理方面的分析与检测工作，人工神经网络系统有良好的信号处理能力，排除干扰信号，准确检测临床状况的相关情况，有力促进了医学的发展。

2.3 经济领域

经济的快速有效增长是基于人们对市场规律良好的掌握和运用以及对经济活动中的风险评估，及时应对和解决，这样才能保障经济活动的快速发展。人工神经网络应用于经济领域，主要有预测市场价格和评估经济风险两个方面。

1）预测市场价格的波动情况

商品的价格主要是由市场的供求关系和国家宏观调控来变化的。国家的宏观调控是客观存在的，我们可以在遵循国家宏观调控的前提之下分析市场的供求关系，从而预测商品的市场价格。在传统的统计学方法中，在预测价格波动时因其自身的局限性，难以做出科学的判断。人工神经网络可以有效处理不完整数据和规律性不强的数据，它是传统统计方法所不能达到的。人工神经网络系统基于市场价格的确定机制，综合分析影响商品价格的因素，比如城市化水平、人均工资水平、贷款情况等，将这些复杂的因素综合起来，建立一个模型，通过模型中的数据显示，科学预测商品的市场价格波动情况，有效利用商品的价格优势。

2）评估经济风险

经济风险，即Economic Exposure，它指的是由于经济前景的一些不确定因素，导致经济实体出现重大的经济损失。在处理经济风险的时候，做好的措施就是防患于未然，做好评估和预测，将经济风险扼杀在萌芽时期。人为的主观判断经济风险具有一定的可靠性，但是也存在很多的不足。将人工神经网络系统应用于评估经济风险，可以有效弥补人为判断风险的不足。人工神经网络先提取具体风险来源，然后在此基础上构建出一个模型，这个模型一般要符合实际情况，通过对模型的研究，得出风险评价系数，最终确定有效的解决方案。

2.4 控制领域

随着人工神经网络的不断发展，人们开始研究其在控制领域的应用。比如现在的机器人的摄像机控制、飞机控制等。它主要是通过控制图像传感器，再结合图像表面的非线性关系，进行计算和分析，另外，它还可以将图像传感器瞄准到处于运动状态中的目标物上。

2.5 交通运输

交通问题具有高度的非线性特点，它的数据处理是非常庞大和复杂的，这与人工神经网络有很大的吻合性。就目前来讲，人工神经网络应用到交通领域有模拟驾驶员的行为、分析交通的模式等等。

2.6 心理学

人工神经网络是对人脑神经元的信息处理能力的模拟，本身就带有一定的抽象性，它可以训练很多的认知过程，比如感觉、记忆、情绪等。人们通过对人工神经系统的不断研究，多个角度分析了其认知功能。就目前来看，人工神经网络可以分析人的认知，同时对认知方面有缺陷的病人进行模拟，取得了很大的进步。当然，人工神经网络应用于心理学领域也存在很多的问题，比如结果精确度不高、模拟算法的速度不够等，这些都需要人们持之以恒的研究。突破这些难题，促使人工神经网络有效应用于心理学领域。

3 结束语

综上所述，随着人工神经网络的不断发展，它特有的非线性适应能力和自身的模拟结构都有效推动了其应用范围。我们应该不断运用新技术，不断完善人工神经网络的功能，拓宽其应用范围，促进其智能化、功能化方向发展。

参考文献：

[1] 毛健，赵红东，姚婧婧.人工神经网络的发展及应用[J].电子设计工程，2011（12）.

[2] 林和平，张秉正，乔幸娟.回归分析人工神经网络[J].吉林大学学报：信息科学版，2010（3）.

[3] 李雷雷.人工神经网络在建筑工程估算中的应用研究[D].华北电力大学，2012.

神经网络的基本概念范文第4篇

关键词:建筑废料管理;评价指标体系;评价方法

中图分类号:TU72 文献标识码:A

经济的高速发展和城市化进程的推进形成房屋建筑的巨大需求,促进我国建筑行业快速发展,同时产生大量的建筑废料。要实现建筑业的可持续发展,就必须实施建筑废料管理。实施有效的建筑废料管理,要有一个较科学合理的评价指标体系。石志方等(1993)针对城市废塑料污染提出综合使用废塑料的回收再用、填埋和分解性塑料的研制与应用等方法进行治理。赵等(2003)采用主成分分析法及德尔菲法构建浙江省生态环境可持续发展评价指标体系。陈德全等(2006)从减量化、资源化、无害化及社会经济发展四个控制层面构建浙江省循环经济发展指标体系。陈帆等(2008)建立了造纸工业循环经济评价指标体系,分为经济发展指标、循环经济特征指标、生态环境效益指标和系统管理指标。目前,鲜见对建筑废料管理评价指标体系进行研究。因此,构建科学合理的评价指标体系对建筑废料管理进行评价。

一、评价指标设计的原则

评价指标的构建遵循的一般原则包括:①科学性原则,基于科学系统的建筑废料管理理论,在基本概念和逻辑结构上构建严谨合理的评价指标体系,并对其客观实际抽象描述得清楚、简练、符合实际;②系统优化原则,以较少的指标(数量较少、层次较少)较全面系统地反映评价对象的内容,达到评价指标体系的总体最优;③通用可比原则,评价指标可有效用于同一对象不同时期以及不同对象间的比较,即纵向比较和横向比较;④实用性原则,评价指标体系具有实用性、可行性和可操作性;⑤目标导向原则,评价的目的是引导和鼓励被评价对象向正确的方向和更高的水平发展。通过评价过程对其废料管理实践现状加深认识,通过评价结果对其产生激励作用,从而不断提高建筑废料管理水平。

二、评价指标体系的构建

(一)建筑废料管理评价指标体系。从管理规范性和实施有效性对建设工程的建筑废料管理进行全面评价。管理规范性是建筑废料管理有效实施的重要基础,组织、资金、计划、培训等管理要素贯穿于管理全过程并发挥影响。实施有效性是建筑废料管理实现预定目标,取得良好成果的重要保障。在对建筑废料管理理论、实践方法与流程进行系统总结与提炼的基础上,初拟以单一新建建设工程项目(不包含拆除工程)的建筑废料管理活动为评价对象的评价指标体系。进一步通过问卷调查的形式,向国内著名高校建筑管理领域的专家学者和建筑行业(主要包括建筑施工行业和建筑管理咨询行业等)的资深从业人员广泛征求意见和建议,对初拟的评价指标体系进行了调整、补充和完善,最终构建体系较科学完整、指标精炼实用的评价指标体系,由评价目标、7个一级指标(分为管理规范性指标和实施有效性指标两类)和19个二级指标构成。(表1)

(二)评价指标的内涵

1、建筑废料管理组织。这是建筑废料管理活动的组织者和具体承担者,其组织结构和运行机制影响着建筑废料管理实践的效果。

2、建筑废料管理计划。这是建筑废料管理实践的行动方案,是对各种资源在时间、空间上的组织规划,是实现建筑废料管理目标的重要基础和保障。

3、建筑废料管理资金。建筑废料管理的实践需要充足和稳定的资金支持,才能保证其实现预定目标,达到良好成效。

4、建筑废料管理培训。现场负责建筑废料管理具体实施的专业操作工人的技术水平是影响建筑废料管理成果的重要因素。另外,其他施工人员对废料管理的认识和配合程度对废料管理的成效也有着重要的影响。因此,组织建筑废料管理的相关培训是保障建筑废料管理实践高效、顺利开展的重要条件。

5、建筑废料管理科研。在工程项目前期设计方案和采购计划的制定过程中,有效结合建筑废料管理的研究,从源头上控制和削减建筑废料的产生。

6、建筑废料处理流程。建筑废料实施依靠若干环节的衔接和配合,包括废料处理流程设计合理,环节精炼,将冗余环节最小化。

7、建筑废料处理操作。结合工程实际选择适宜的操作方法,降低废料管理成本,提高效益和效率。

8、建筑废料分类。分类标准越细对应的收集与分选成本越高,因此选择适当的建筑废料分类标准和有效分拣回收废料。

9、建筑废料的回收。这是工程现场废料管理实践的第一个环节,其工作效率和质量对后续的废料再用和循环利用等工作将产生直接影响。

10、建筑废料的回收再用是对废料最经济的一种利用方式。积极发掘、有效保护和充分实现废料的再用价值是提高废料管理经济性的重要方法。

11、建筑废料的循环利用。这是建筑废料管理的重要工作内容之一,也是目前国际上普遍关心和努力推动的废料管理实践,对于实现建筑业的可持续发展具有重要意义。

12、建筑废料的填埋处理。不可循环利用的建筑废料必须实行符合规范的填埋处理,是保护环境、避免污染的关键。结合工程具体情况,就近选择有资质的废料填埋处理场所,实施不可循环利用废料的安全填埋。

13、建筑废料管理人员。其技术水平、专业素质和工作效率是建筑废料管理实践中的重要因素之一。

14、建筑废料转运机械。这是建筑废料管理活动的主要工具之一,其运行使用效率直接影响建筑废料管理实践的效率和效益,包括提高承担施工现场与废料回收中心间废料转运机械的工作效率。

15、建筑废料回收站与回收箱。其布置和管理直接影响建筑废料管理工作的效率。

16、建筑废料管理成本。建筑废料管理的经济效益是建筑废料管理效益的重要组成部分,因而有必要通过成本计划和控制等措施降低废料管理成本,提高废料管理经济效益。

17、建筑废料销售收益。建筑废料管理的经济效益是建筑废料管理效益的重要组成部分,因而有必要有效管理可循环利用废料,并通过销售创造收益,提高废料管理经济效益。可描述为出售可循环利用的废料,为项目创造收益。

18、建筑废料管理的操作安全。在建筑工程实践中,安全生产是重要的前提,在建筑废料管理的实践中,同样需要注意确保工作安全。可描述为,在建筑废料的回收、分类和转运过程中注意安全,避免和减少事故。

19、建筑废料处理的环境安全。有危害性的建筑废料必须实行安全填埋处理。可描述为,对于有危害性的建筑废料,如特殊防腐剂处理过的木料等,须进行专门处理而后进行填埋,避免环境污染。

三、评价方法及流程

人工神经网络是由大量称为神经元的简单信息单元广泛连接组成的复杂网络,用于模拟人类大脑神经网络的结构和行为,其工作原理是根据所提供的样本数据,通过网络的学习和训练,找出输入和输出之间的内在联系,建立更接近于人类思维模式的定性与定量相结合的综合评价模型的方法,从而求取问题的解。与采用传统的评价方法,如层次分析法、模糊理论分析法等相比具有显著的优越性。①建筑废料管理的评价综合性强,各种因素相互影响,存在着复杂的非线性关系。基于人工神经网络的评价方法具有神经网络自组织、自适应能力,能全面反映对指标间的非线性关系,避免评价过程中的人为因素及模糊随机性的影响;②具有较强的容错能力及泛化功能,能够处理有噪声或不完全的数据;③具有较强的自学习能力,通过学习新样本,可使网络的知识、经验更丰富,评价结果更科学、准确。因此,本文采用BP人工神经网络对建筑废料管理进行评价研究。

基于BP人工神经网络的建筑废料管理评价模型的算法实现。①确定BP网络结构参数,即各层神经元节点数;②以MATLAB为工具,建立一个输入层、隐含层、输出层神经元节点数分别为19、9、1的人工神经网络,选用trainscg训练函数,初始化网络的权值和阈值,设置网络学习精度为10～6;③选定数据及两组边界限定样本数据作为学习样本输入网络,启动网络进行学习训练。通过不断执行迭代过程,至满足学习精度为止,得到较为准确的内部表示神经网络,即合适的输入与输出之间的非线性映射关系;④将训练好的神经网络存入文件。当遇到建筑废料管理评价问题时,只需输入待评价项目的指标得分矩阵,启动网络,即可得到评价结果。

四、案例分析

上海某高校教学科研综合楼工程位于该高校东北角。工程采取一些针对性的措施治理施工空气污染和水污染、处理建筑废料的基础措施,降低对周围环境的影响,取得了一定的效果。但由于施工单位管理层的废料管理意识不强,因而并没有建立专职的废料管理组织和编制专项的废料管理计划及为废料的分类、回收、利用与处理设计专门的流程和方案。

对项目的各项评价指标做出评判。由于各评价指标中定性因素较多,因此采用专家评判方法,对各个指标从优至劣划分优秀、良好、一般、及格和不及格五个等级,分别给以5分、4分、3分、2分和1分。(表2)

将表2的数据输入先前通过专家调研统计、函数训练并保存的神经网络模型,经网络计算,得到该项目建筑废料管理的综合评价得分为3.0366,表明该项目的建筑废料管理总体水平一般。该评价结果经该项目的项目经理和总监理工程师确认,基本符合项目的实际情况。证明基于BP人工神经网络的评价模型可以有效地应用于建筑废料管理评价的实践。

五、结语

本文构建的建筑废料管理评价指标体系丰富了建筑废料管理评价指标的理论,有利于提高建筑废料管理水平,为其提供参考依据;提出了应用BP人工神经网络进行评价,并以实际案例进行了演示,得出该评价模型适用于建筑废料管理评价实践的结论。

(作者单位:同济大学经济与管理学院)

主要参考文献:

[1]石志方,刘健,陆平中等.废塑料污染的综合治理[J].环境污染与防治,1993.

[2]赵多,卢剑波,闵怀.浙江省生态环境可持续发展评价指标体系的建立[J].环境污染与防治,2003.12.25.

[3]陈德全等.浙江省循环经济发展评价指标体系研究[J].环境污染与防治,2006.4.28.

[4]陈帆,吴波,祝秀莲.造纸工业循环经济模式评价指标体系研究[J].环境污染与防治,2008.5.30.

神经网络的基本概念范文第5篇

【关键词】 毒邪；证候；SARS

笔者以中医理论为指导，结合SARS发病特点，从现代心理测量理论出发，并引入结构化的决策方式，编制了SARS中医证候特征及其演变规律一线专家调查问卷。运用德尔菲法重新修订问卷结构和内容，建立了三维结构化的关联数据库(以下简称“专家调查问卷数据库”)。通过对京、津、粤地区880份专家调查问卷数据进行统计处理，对各个阶段不同的症状群和舌脉进行辨证分析，确定了证候类别和SARS证候因素。　SARS的证候因素是互相联系互相影响的。现代医学已经认识到心理失衡影响机体免疫力，导致抵抗力下降；而中医理论认为，情志不畅易使肝失疏泄条达，而致肝气郁结，气机升降失调，脏腑不和，气化受阻，气不行则血不运，血行不畅，气血不得交换，则血滞成瘀，即毒自内生，促使机体正气不足，卫外不固，营阴失守，御邪能力减退，即所谓“邪虽自外来，其无毒者不入”。

1 七情化毒影响SARS成因

七情，是指喜、怒、忧、思、悲、恐、惊七种情志变化，是人体对外界刺激产生的不同反映。这种刺激过于突然或过于持久，超过了人体的调节适应范围，就会导致气机逆乱，气血失调，而发为疾病。《素问·举痛论》说：“怒则气逆，甚则呕血及飧泄。”刘完素《素问玄机原病式》中“五志七情过度而卒病也”，即是言此[1]。由此可见，疾病的发生也常与人的精神情志因素有关。因为精神过劳或情志创伤会使人体气机紊乱，降低人体的防病和抗病能力，招致邪气侵害而发病，或导致脏腑功能失常而发病。暴怒伤肝、过喜伤心、思虑伤脾、忧悲伤肺、惊恐伤肾，故伤于不同的情志，能导致相应脏腑的病证。SARS也不例外。精神愉快可使人体生机活跃，营卫通利，气血流畅。悲观和忧虑可使人气机阻滞，血脉沉涩，进而致使脏腑功能失调，人体正气受损，易受病邪侵袭，从而加重病体原来的损害，促使病情恶化。现代研究认为，不良的心理因素可从各个不同途径影响噬菌体、T细胞和B细胞的功能，影响抗体形成，从而降低机体免疫功能，招致感染，引起肺系病证的急性发作[2]。

2 数理统计分析情志因素

情志改变作为SARS的证候因素之一，影响着SARS发病与病情演变。笔者运用多种统计学方法，对SARS专家调查问卷数据库的各个证候因素进行了统计分析，现将情志改变的决策树建模、神经网络训练、频数分布分析结果介绍如下。

2.1 决策树建模

分类是数据挖掘领域的一种非常重要的方法，分类与聚类的不同在于分类是对已知现存的类别建立描述规则，并对新的观察值判别归类；而聚类是无监督的学习，对给定的一组观察值建立类别。数据挖掘中最为典型的分类方法是决策树技术。决策树可以很方便地转化为分类规则，是一种非常直观的分类模式表示形式。

决策树是一种类似二叉树或多叉树的树结构。树中的每个非叶节点(包括根节点)对应于训练样本集中一个非类别属性的测试，非叶节点的每个分支对应属性的一个测试结果，每个叶节点代表一个类或类分布。从根节点到叶子节点的一条路径形成一条分类规则，决策树从节点来寻找分支定类的思想就是逐步找到更具有确定类别意义和更“纯”的节点。一般情况下，单一决策树能很好地解决分类问题，但当类的个数增多时，所产生的单一决策树就容易变得复杂且概括能力降低。而笔者分析的证候因素就恰恰存在多分类问题。由于在处理多类问题时，层次分解的决策树比传统的单一决策树有更多的优势，所以，根据证候因素之间的层次对应关系，笔者采用基于层次分解的方法，通过产生多棵决策树来处理多类问题。情志改变具体的决策树可以见图1。

另外，情志变量关系比较显示，变量“心情-多虑”，“心情-忧郁”，“心烦易怒-伴口苦”，“心情-多疑”，“心情-焦虑”，“心烦易怒-伴失眠心慌”相对于其他变量来说，对于判断患者是否有情志改变起到了较大的作用。见表1。表1 情志变量关系比较（略）

2.2 神经网络训练

神经网络，或称人工神经网络，指模仿人脑而建立的、具有和人脑相似功能的统计模型。神经网络系统可以对大量数据进行快速建模。网络不需要人为地选择具体的模型，在学习和训练的基础上，通过本身的学习功能，对样本进行学习，选择合适的结构，就能得到理想的结果，从而解决特定领域中的问题。

神经网络一般采用简单的网络结构，包括三层，即输入层、隐藏层(中间层)、输出层。因为从理论上已经证明：只要训练数据精度高，具有一个隐藏层的神经网络，能以任意精度表示任何函数。所以，对于中医证候因素的分析也将采用具有一个隐藏层的神经网络，输入层为各症状变量，输出层为证候因素。神经网络对情志-证候因素的预测效果比较一致，无论是训练集还是验证集、评估集的正确率均达到了80%以上。见表2。表2 神经网络训练的预测效果（略）