共享理念視角下發(fā)展成果共享度的統(tǒng)計測度
【文章頁數(shù)】:57 頁
【學位級別】:碩士
【部分圖文】:
圖4.1BP神經(jīng)網(wǎng)絡結構
16網(wǎng)絡各層之間的權值和閾值,進而使網(wǎng)絡的誤差達到設定好的精度。圖4.1BP神經(jīng)網(wǎng)絡結構BP神經(jīng)網(wǎng)絡是包含正向和逆向傳播的訓練網(wǎng)絡。具體的學習分為四個階段:第一個階段是數(shù)據(jù)正向傳播階段,使工作信號從輸入層各個節(jié)點開始經(jīng)過隱含層向輸出層傳播,依次計算各層神經(jīng)元的實際輸入值和輸出值;....
圖4.2網(wǎng)絡拓撲圖
26(2)構建神經(jīng)網(wǎng)絡模型。首先,需要確定網(wǎng)絡層數(shù)。經(jīng)典的神經(jīng)網(wǎng)絡結構包含輸入層、隱含層、輸出層,三層的BP神經(jīng)網(wǎng)絡足以擬合任意函數(shù),所以本文選擇一個輸入層、一個隱含層、一個輸出層所組成的三層BP神經(jīng)網(wǎng)絡結構即可。其次,確定網(wǎng)絡輸入、輸出的節(jié)點數(shù)。輸入層的節(jié)點數(shù)是第三章構建的發(fā)展....
圖4.3網(wǎng)絡輸出結果
27練,并采用無量綱化后的數(shù)據(jù)直接代入網(wǎng)絡訓練中。編程語言如附錄所示。在進行網(wǎng)絡訓練之前,前饋型神經(jīng)網(wǎng)絡需要對權值和閾值進行初始化處理,newff()函數(shù)可以自動幫助網(wǎng)絡完成這一過程,弊端就是沒有辦法重新賦予初值,因此引入init()函數(shù),幫助網(wǎng)絡權值自動恢復到初始化狀態(tài),因此在....
圖4.4神經(jīng)網(wǎng)絡擬合效果檢驗圖4.4分別表示訓練樣本、驗證樣本、測試樣本和總體的預測結果,R值越接近1,說明網(wǎng)絡預測的精準度越高
28圖4.4神經(jīng)網(wǎng)絡擬合效果檢驗圖4.4分別表示訓練樣本、驗證樣本、測試樣本和總體的預測結果,R值越接近1,說明網(wǎng)絡預測的精準度越高。根據(jù)圖4.4所示,訓練樣本的R值為0.9544,效果很好,再看測試樣本的R值為0.95839,比訓練樣本的R值稍稍好一些,說明這個模型擬合的很好。....
本文編號:4001687
本文鏈接:http://www.lk138.cn/shekelunwen/shehuibaozhanglunwen/4001687.html
下一篇:沒有了