共享理念视角下发展成果共享度的统计测度
【文章页数】:57 页
【学位级别】:硕士
【部分图文】:
图4.1BP神经网络结构
16网络各层之间的权值和阈值,进而使网络的误差达到设定好的精度。图4.1BP神经网络结构BP神经网络是包含正向和逆向传播的训练网络。具体的学习分为四个阶段:第一个阶段是数据正向传播阶段,使工作信号从输入层各个节点开始经过隐含层向输出层传播,依次计算各层神经元的实际输入值和输出值;....
图4.2网络拓扑图
26(2)构建神经网络模型。首先,需要确定网络层数。经典的神经网络结构包含输入层、隐含层、输出层,三层的BP神经网络足以拟合任意函数,所以本文选择一个输入层、一个隐含层、一个输出层所组成的三层BP神经网络结构即可。其次,确定网络输入、输出的节点数。输入层的节点数是第三章构建的发展....
图4.3网络输出结果
27练,并采用无量纲化后的数据直接代入网络训练中。编程语言如附录所示。在进行网络训练之前,前馈型神经网络需要对权值和阈值进行初始化处理,newff()函数可以自动帮助网络完成这一过程,弊端就是没有办法重新赋予初值,因此引入init()函数,帮助网络权值自动恢复到初始化状态,因此在....
图4.4神经网络拟合效果检验图4.4分别表示训练样本、验证样本、测试样本和总体的预测结果,R值越接近1,说明网络预测的精准度越高
28图4.4神经网络拟合效果检验图4.4分别表示训练样本、验证样本、测试样本和总体的预测结果,R值越接近1,说明网络预测的精准度越高。根据图4.4所示,训练样本的R值为0.9544,效果很好,再看测试样本的R值为0.95839,比训练样本的R值稍稍好一些,说明这个模型拟合的很好。....
本文编号:4001687
本文链接:https://www.wllwen.com/shekelunwen/shehuibaozhanglunwen/4001687.html
下一篇:没有了