基于神经网络的物流系统预测法_第1页
基于神经网络的物流系统预测法_第2页
基于神经网络的物流系统预测法_第3页
基于神经网络的物流系统预测法_第4页
基于神经网络的物流系统预测法_第5页
已阅读5页，还剩3页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

第四节

基于神经网络的物流系统预测法关于神经网络的理论研究证明：一个三层前馈神经网络能以任意精度逼近一个任意复杂的非线性函数。

神经网络预测的原理：利用其强大的非线性映射能力，通过对历史数据样本的学习自动产生自变量与因变量之间的非线性映射关系，并将这种关系隐含在神经网络的结构和参数中；对任一新的自变量值，可很快利用该网络输出因变量值。（一）神经网络预测的数学模型三层BP网络的拓扑结构上图为多层前馈神经网络中应用最广泛的三层BP网络的拓扑结构，由输入层、隐含层和输出层三层构成，各层的神经元个数分别为m、l、n。输入层的m个节点代表m个自变量；输出层的n个节点代表n个因变量，即要预测的多个目标；隐层节点数可按经验选定或试探确定，它影响的是网络训练速度，一般l=（0.5~1）（m+n）。网络的输入、输出向量分别为：X=(x1,x2,…,xn)TY=(y1,y2,…,yn)T在各层神经元个数确定、各层神经元间权重及阈值确定的情况下，对给定的输入向量X，按下面的公式分别计算隐层和输出层的神经元的输出值：f(*)是神经元激活函数，一般取sigmoid函数：f(u)=1/(1+e-u)（二）神经网络预测的学习过程（1）正向计算第一步，确定初始参数：各神经元节点数目、学习精度、迭代次数，初始权重及阈值。第二步，对任一输入向量X，计算隐层输出值，即算出输出层的输入值。

第三步，计算输出层的输出值。（2）误差反向传播计算

用网络输出值与样本目标值的误差平方和作为预测评价值，即

其中，Gi为样本目标值，p为样本总个数，Yi为网络输出值。

权值及阈值调整的迭代的计算公式：式中的，是网络学习速率。

第四步，计算输出值误差（gk-yk）和bk。第五步，初定学习速率、=0.5~0.85。第六步，调整输出层与隐层间的权重Wjk(2,3)和阈值

人人文库> 全部分类> 教育资料 > 课设设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论