未来智讯 > 神经网络论文 > 基于BP神经网络的居民累积价格展望

基于BP神经网络的居民累积价格展望

发布时间:2019-04-26 05:03:46 文章来源:未来智讯    
基于价格展望的居民积累BP神经网络学习作者:未知摘要:价格反映商品的价格水平往往会随着经济目标的变化,趋势和水平而变化。 居民累积价格指数的前景对于国家价格政策的制定具有重要意义,有数据证明居民价格指数具有非线性非标准变更制度,给后者带来诸多不便。 前景。 近年来出现的人工神经网络使其成为处理多变量耦合非线性函数关系的优秀人才,在混沌非线性函数建模方面具有巨大的潜力。 本文选择BP神经网络作为人工神经网络的基本要素,建立预期模型,并根据消费者价格指数进行预测。 关键词:神经网络价格指数BP前景1人工神经网络原理人工神经网络(ANN)简称神经网络,人工神经网络是很多缩写系统由并行处理单元组成,取决于网络的布局, 关节的强度,以及每个单元的布局。 它基于对人脑神经网络的基本认识,从数学方法和信息处理的角度抽象人脑神经网络,建立一定的模型。 它不是人类大脑神经网络的真实写照,而是对它的简化,抽象和模仿。 神经网络的信息处理是通过神经元之间的交互来实现交换常识,信息的存储表示为网络元素的分布式物理关联。 网络的学习和识别由各种神经元联合权利的动态演化过程决定。 。 2基于BP神经的居民股票价格指数展望BP模型是应用最广泛且应用最广泛的ANN模型。 它是由Rumelhart等人的PDP团队提出的神经元模型。 该理论表明,三层BP网络模型可以提供随机的随机模式。 当确定神经网络时,一个严肃的程序是确定神经元之间的加权问题。 神经网络中神经元之间的权重由通过调解实际值获得的输入和输出确定。 人工神经网络的实践标准是网络连贯的中介原则。 网络培训的原则是:如果网络出错,它将解决网络的培训问题,降低下次犯同样错误的可能性。 用于选择BP神经网络的权重和阈值的调度标准是偏差的反向传播。 反向扩展算法分两步执行[1],即前向扩展和反向扩展。 到目前为止,如何选择最佳数量的隐藏层节点仍然是一个亟待解决的问题。 如果选择的隐藏层节点数太少,将使整个神经网络变慢,并且不容易被约束。 如果我们选择如果隐层图节点太多,会导致神经网络的拓扑布局混乱,迭代训练中策略量大,偏差也最大。 如果你解决了这个最好数量的隐藏层节点,以前的神经网络事物有很多实践,建议如下公式p = n + m + a,其中p是隐藏层节点的最佳数量,n是网络 输入。 层神经元的数量,m是网络输出层中神经元的数量,a是1到10之间的数字。下面的表1是中国的价格指数表,单位%。 神经网络通过输入样本的内积和连接到第一隐藏层的初始权重获得第一隐层神经元的总输入,并获得非线性激励函数后的输出,并将输出用作输出 。 反过来,输入下一层,直到输出层获得网络的输出。 但是,如果神经元的总输入距离阈值太远,由于每个神经元的激发函数具有饱和的非线性特征,神经元的输出将落在饱和区域,因此网络的实际输出是 要么是激励函数的最大值。 要么是激励函数的最小值,要么输出的导数值很小(为零)。 结果,重量的修改量很小,不仅学习速度慢,而且网络难以保持谨慎。 同时,少量的价值信息可能被大价值信息吞没。 因此,在预测神经网络之前,为了避免原始数据的麻木,应对原始数据进行归一化处理,并应处理预测值。 因为变化很大,所以不应该直接用作神经网络的输出。 将所有数据减去100,如表2所示,单位%。 建立三层BP神经网络:网络输入层神经元数量为4,输出层神经元数量为1,p = n + m + a,1测试:<3 结论本文中的实例解析可以从价格指标等非标准数据展望中看出,神经网络可以在误差下限中掌握偏差率,2007年的数据偏差为1.71%,偏差数据 2008年为5.02%,部分原因是外国培训了2007年的数据。 因此,神经网络的短期视觉可以实现更好的效率,并且由于训练中使用的数据与要预测的数据之间的长距离,预期长期前景会降低。 另一个原因是BP神经网络,但历史数据的训练并没有改善未来的因素,因此它跟随着社会的发展。 当BP神经网络在国外训练时,输入频带是相同的。 这不是一回事。 因此,BP神经网络必须进行连续训练。 然而,BP神经网络在预测方面的优势非常显着。 找出非标准数据更加困难,很难找到变化趋向于符合某一学科曲线的环境,并且尝试的数据不需要100%准确的环境 。 BP神经网络前景是一个很好的前景。
参考文献:[1]牛东晓,曹树华,卢建昌,赵磊,等。 电力负荷预测技术及其应用[M](第二版)。 北京:中国电力出版社。
[2]董长虹。 Matlab神经网络及其应用[M]。 北京:国防工业出版社。 [3]史梅梅。 基于人工神经网络模型的经济展望[D]。 北京:中国地质大学。 [4]张洪生,李阳。 中国经济增长与能量积累关系的实证研究[J]。 中国商业世界,2010(3):173-174。 [5]王崇梅。 中国经济增长与能源损失脱钩[J]。中国人口资源与环境,2010,20(3):35-37。 基金项目:该项目受国家自然科学基金项目(71101048),教育部博士学位。 基金项目(20110036120001)和中级大学基金项目支持项目资金。 作者简介:王永利(1980-),男,河北新乐,中国社会科学院博士后,华北电力大学经济与经济系副教授; 施丹(1963-),男,北京人,中国社会科学院工程研究所,任教; 韩继琼(1989-),女,河北张家口,华北电力大学经济管理学院硕士研究生。
转载请注明来源。原文地址:https://www.7428.cn/page/2019/0426/86557/
 与本篇相关的热门内容: