资源描述：
《基于rbf网络的高技术项目投资评估决策模型的研究new》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、2000年3月系统工程理论与实践第3期 基于RBF网络的高技术项目投资评估决策模型的研究11222王正欧,朱 涛,王书新,申 绮,王荣椿(1.天津大学系统工程研究所,天津300072;2.天津经济技术开发区科技局,天津300459)摘要:在作者提出的一种具有高泛化性能的RBF神经网络的基础上提出了一种对高技术项目投资的评估决策模型L在对所提出的网络学习算法作了简介后,研究了对投资项目评估的影响因素以及它们在神经网络模型中的表示模式,然后给出了具有层次结构的用于高技术项目投资的评估决策模型,仿真和实例表明了模型的有效性L关键词:RBF神经网络;评估决策模型;项目投资中图分类号:
2、F830.59;F224.0aAStudyontheEvaluationandDecisionMakingModelforInvestmentofHighTechniqueProjectsBasedonRadialBasisFunctionNeuralNetworks11222WANGZheng2ou,ZHUTao,WANGShu2xin,SHENQi,WANGRong2chun(1.InstituteofSystemsEngineering,TianjinUniversity,Tianjin300072;2.ScienceandTechniqueBu2reau,Tianji
3、nEconomicDevelopmentArea,Tianjin300459)Abstract:Basedonaradialbasisfunctionneuralnetworkwithhighgeneralizationperformancewepresentanevaluationanddecisionmakingmodelwithhierarchicalstructurefortheinvestmentofhightechniqueprojects.Afterbrieflyintroducingthelearningalgorithmoftheproposednetwor
4、kweinvestigatetheinfluentialfactorsone2valuationoftheinvestmentofprojectsandtheirrepresentationpatternsinthenetwork,andgivetheevaluationanddecisionmakingmodel.Exampleandsimulationdemon2stratetheeffectivenessofthemodel.Keywords:radialbasisfunctionneuralnetwork;evaluationanddecisionmakingmod2
5、el;projectinvestment.1 引言随着科学技术的发展,一些高技术项目需要投资建立高技术企业以投入市场运营L那么什么样的高技术项目值得投资,什么样的不值得投资,这对投资者来说是一个极为重要的问题L传统的方法是在对每个申请投资的高技术项目进行可行性分析的基础上由咨询公司或专家组成评估小组进行评估,然后由决策者最后决策L这样的评估,过程很长,而且经常由于评估因素很多,特别是一些不确定性因素存在,使情况复杂,造成决策困难L此时往往由决策者最后拍板决策,其中的主观因素较强L神经网络的出现为评估决策提供了一种极为有效的工具,神经网络的特点之一就是善于从近似的、不确定的,甚
6、至相互矛盾的知识环境中作出决策L神经网络的这种特点来源于它的泛化性能,但并不是所有神经网络都具有高的泛化性能,特别是样本存在噪声较大的情况下,通常的神经网络会由于对噪声的过拟合而降低泛化性能L本文在作者提出的一种具有高泛化性能的神经网络模型的基础上提出了一种高技术项目投资的评估决策模型,可在a收稿日期:1998207230资助项目:天津市科委软科学研究计划项目(973501400)©1995-2005TsinghuaTongfangOpticalDiscCo.,Ltd.Allrightsreserved.64系统工程理论与实践2000年3月较大程度上减轻和克服评估决策的负担和
7、困难,使其更趋于自动化和客观化L1 具有高泛化性能的RBF网络简介一般认为在满足输入输出数据一定拟合精度基础上网络的隐节点愈少,网络的泛化能力愈强,但当数[1]据中存在较强的噪声时,仅是小网络也难免过拟合现象L克服过拟合的一种技术是正则化(regularization)[1][2][3][1]:Barron和Xiao,Orr以及Chen等提出了多种构造RBF网络的正则化最小二乘算法L他们的一个共同缺点是把全部输入数据作为网络的中心,然后在隐节点和输出节点间的权值调整中用正则最小二乘算法取掉多余的节点L上
