人工神经网络在经管中的应用课件

1、人工神经网络小组成员：彭心悦、任琦 孟丽丽、孙青人工神经网络（Artificial Neural Networks， ANNs），也简称为神经网络（NNs），或连接模型（Connectionist Model） ，是对人脑或自然神经网络（Natural Neural Network）的结构和功能等若干基本特性的抽象和模拟。一、人工神经网络的定义：二、研究进展：二、研究进展：发展与展望：1 神经生理学、神经解剖学研究的发展在对人脑作为一个整体的功能的解释上几乎起不到任何作用。2 与之相关的数学领域的研究与发展一般神经网络的自激振荡、稳定性、混沌等问题现有数学方法解决不了。3 神经网络应用的研究与

2、发展理论研究经常走在前列 , 有时会超出实际使用阶段。4 神经网络硬件的研究与发展神经网络芯片技术与神经网络实际应用的要求尚有较大距离。5 新型神经网络模型的研究神经网络与其他理论交叉结合,研究新型神经网络模型,与混沌理论相结合产生的混沌神经网络理论;再如将量子力学与神经网络的结合,研究量子神经网络,实现功能强大的量子神经。三、基本原理在结构上，可以把一个神经网络划分为输入层、输出层和隐含层。输入层的每个节点对应一个个的预测变量。输出层的节点对应目标变量，可有多个。在输入层和输出层之间是隐含层（对神经网络使用者来说不可见），隐含层的层数和每层节点的个数决定了神经网络的复杂度。 通过规定神经元的

3、数理模型、规定网络的结构模式、设置各神经元之间的连接权重,就构造了一个神经网络。运行一个神经网络需经两个阶段:学习阶段是通过某个学习规则,对连接权重进行调整,使得在规范的输入后,经过中间层的变换产生标准的输出。通过学习阶段的神经网络就可以进入工作阶段。当一组输入进入网络后,经各种神经元之间已固定的连接权值,反复修改中间层及输出层中神经元的内部状态,以达到网络的稳定状态,从而在输出层产生与输入集相应的结果。人工神经网络的典型模型：目前,比较成熟和常用的人工神经网络有误差逆传播网络模型(简称BP模型)、Hopfield网络、随机型人工神经网络、竞争型人工神经网络、自组织特征映射神经网络和对向传播神

4、经网络。经济管理领域所应用的典型模型是三层结构BP人工神经网络。模型包括输入、计算和输出3个模块。三层BP神经网络的结构如图所示,包括输入层、隐含层和输出层,分别实现输入、计算和输出模块的功能。n1、n2分别表示输入单元和隐含单元个数。人工神经网络在经济管理方面的应用：案例：基于ANN的电力客户信用判别分析模型的应用以华北地区某电力公司为例，将其作为研究对象, 通过建立一套实用的信用指标体系, 采用人工神经网络理论, 来建立电力客户信用类别的判别模型, 从而方便事先了解电力客户的欠费风险情况。电力客户信用管理指标的设计：“5C ” :品格（Character）:企业经营者遵守信用的诚意和意愿；

5、能力（Capacity）:经营者经营、管理、资金运营、信用调度的能力及企业自身规模决定的运营、获利和偿债的能力；资本（ Capital ）:资本结构、安全性、流动性、获利能力；担保或抵债（Collateral）:担保品的种类、性质和变现性；状况（Condition）:政治、社会、市场、战争等对企业的影响。电力客户信用管理指标体系：一级指标二级指标备注品格产品声誉好；发生过违章用电；发生过私接用电；有恶意拖欠倾向；销售行为规范；消费者对服务质量满意；不良记录信息收集卡拖欠费次数、额度、时间；电费数据库不良记录社会公示能力企业发展前景；企业从业人员信息资本员工工资水平；企业效益好信息担保有形资产、

6、无形资产专家评估环境有拆、搬迁迹象；企业近期改制；破产倒闭迹象；高耗能企业；五小企业信息行业景气社会信息电力客户信用判别分析模型：建立了以上指标, 首先采用专家法设置每一子项的分值与权值, 从而形成了对每一个用户在信用五个方面的评价分值, 这些值分别表示了用户的信用特征。以20个样本作为模型的训练样本, 选择了3个作为模型的检验样本。在分析时, 取1表示信用较好的用户, 0表示信用较差的用户。应用分析：学习阶段：连接强度和阀值的调整规则：从上表可以看出，采用人工神经网络理论建立的判别分析模型，准确率较好。最后，将三个检验样本分别代入判别模型中，计算分析结果分别为1.00，1.00和0.12，前两者属于信誉好的企业，后者属于信誉差的企业，与实际情况相符。小结优点：与各门现代科学技术紧密合作，相