改进的BP神经网络实证分析.pdf

《改进的BP神经网络实证分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第5期佛山科学技术学院学报（自然科学版）Vol.32No.52014年9月JournalofFoshanUniversity（NaturalSciencesEdition）Sep.2014文章编号：1008-0171（2014）05-0061-04改进的BP神经网络实证分析张喆，臧西杰（中原工学院理学院，河南郑州450007）摘要：介绍了多层前馈神经网络BP算法的基本思想，利用改进的BP神经网络方法对郑州市房地产销售价格指数进行了预测，结果显示该方法预测精度较高。关键词：房地产销售价格指数

2、；BP神经网络；预测中图分类号：TP183文献标志码：A房地产价格指数是动态描述一定区域内一段时间各类房地产（如商业、住宅和工业）价格变动及其总体价格平均变动趋势和变动程度的相对数,它是指导业界活动和市场研究的有效工具，是通过抽选调查样本、权数（比重）确定、采集价格、价格指数的计算等4个步骤，最终以百分数的形式来反映房价在不同时期的涨跌幅度。从1998年起，按照国家统计局的统一部署，包括北京、上海在内的35个城市正式开始按季度编制房地产价格指数，2005年7月调查城市又扩大到了70个，并按月编制和对外公布房地产价格指数。神经网络是由大

3、量的神经元广泛互连而成的网络。根据连接方式的不同，神经网络可分为两大类：前向型网络和反馈网络。典型的前向网络有：单层感知器、BP网络和RBF网络；反馈网络主要有：离散型和连续性霍普菲尔德网络。经过几十年的发展，目前已经形成了上百种人工神经网络，有关它的应用取得了令人瞩目的发展，尤其是在人工智能、自动控制、信息处理、模式识别、机器人、CAD/CAM等方面［1-3］都有不少应用实例。神经网络具有非线性、非局域性、非定常性、非凸性的基本属性，理论上神经网络能够无限逼近非线性函数。本文采用BP神经网络模型作为预测模型，利用具体实例进行分析。1

4、BP神经网络BP神经网络是一种利用S型函数作为传递函数的多层次前馈型神经网络，输出为0到1之间的连续值，输入、输出可以实现任意非线性映射。由于采用反向传播（BackPropagation）的学习算法调整权值，因此得名BP神经网络。BP神经网络主要用于函数逼近、分类、模式识别以及数据压缩等方面。BP神经网络一般由输入层、输出层和若干隐含层组成，隐层神经元采用S型传递函数，输出层采用线性传递函数。BP神经网络模型处理信息的基本原理是:输入信号通过中间节点即隐层点作用于输出节点，然后经过非线形变换产生输出信号。网络输出值与期望输出值之间往

5、往存在偏差，可以通过调整输入节点与隐层节点间的权值，隐层节点与输出节点间的权值以及阈值，使误差沿梯度方向下降，这样经过反复学习训练，确定与最小误差相对应的网络参数即权值和阈值。此时经过训练的神经网络就可以对在输入范围内的输入信息自行处理，输出经过非线形转换的误差最小的信息。经过训练后，BP神经网络收稿日期：2013-11-19基金项目：河南省自然科学基金资助项目（122102210049）作者简介：张喆（1979-），女，河南郑州人，中原工学院讲师。62佛山科学技术学院学报（自然科学版）第32卷建立了一种映射，该映射是对前面的特征空间

6、到判决空间映射的逼近。20世纪80年代中期，以Rumelhart和McClelland为首，成立了PDP小组，研究并行分布信息处理方法，提出了多层前馈网络（MFNNMultilayerFeedforwardNeuralNetworks）的反向传播（BP，BackPropagation）学习算法，它是梯度下降法在多层前馈网络中的应用。由于BP神经网络与多层网络感知器的结构相同，不同的是各隐层节点的激励函数采用了S型函数，因此，BP人工神经网络又被称为采用S型函数为激励函数的多层感知器。BP神经网络的训练函数有许多种，每一种训练

7、函数都有其自身的特点，但是没有一种函数能完全［4］适合所有情况下的训练过程。训练时，一般采用以下两种方式：1）构建网络，设定训练算法，然后应用基本的批处理训练函数train（）；2）直接应用相应算法的训练函数进行训练。1989年，RobertHetht-Nielson证明了对于任何闭区间内的连续函数，都可以用含有一个隐层的BP神经网络去逼近，因此一个三层的BP网络就可以实现任意m维到n维的映射，即只要隐节点数足够多，就可以模拟任意复杂的非线性映射，因此本文采用三层BP网络。但是怎样选择最佳隐层节点个数仍然是一个急需解决的问题，若选择

8、隐层节点数太少，整个网络的收敛速度会变慢，且不容易收敛；反过来，若选择的隐层节点数太多，又会使网络的拓扑结构变得复杂，导致计算量变大，误差也变大等问题。为了求解最佳的隐层节点数，神经网络工作者通过大量实践，提出了以下公式