人工神经网络在综合评价决策中的应用.pdfVIP

应 一、人工神经网络的综合评价方法 式中A，B分别为区间型指标的最数转化后的第i个被评对象的各指标隶 综合评价是一项复杂的多层次多目 佳上下界。 标评价活动。传统的综合评价方法存在 3．原始指标按下式转化到卜1，1】区隐层结点数的确定采用实验凑试法。输 诸多困难，因此，本文讨论的基于人工神 间上的隶属度函数值k 出层只有一个结点，代表第i个被评对 经网络的综合评价模型是满足上述要求 象的总评价指标O；。转移函数选用f(x)- 的一类新型的综合评价方法。 K=器 1 _■O 把ANN应用于企业经济效益的综 l+e 显然，Y日=“M；J是一条s型曲线，M日 合评价，意在建立更加接近于人类思维 (三)学习样本的确定与网络训练 反映了原始数据)(ii偏离平均值Z；的程 模式的定性与定量相结合的综合评价模 一个学习样本由输入样本和输出样 度。当砥=zj，则Mq=o；当x日Zj，则Moo 型。ANN用于企业经济效益综合评价的且Y。随M。的增长非线性递增。 本两部分构成。输入样本为Y(i)={Yn，Y。 基本原理是：将描述企业经济效益的基 …Y。}，即被评对象各分指标的隶属度函 从上述转换可以看出，对于效益型 础指标的属性值作为ANN的输入向量， 数值。输出样本Oi为综合评价总指标， 指标来说，当原始值xii大于平均值时， 将代表综合评价目标的结果作为ANN 由下式确定 转换后其隶属度函数值大于0，原始值 的输出；然后用足够多样本向量训练这 击 越大，隶属度函数值越大，当原始值是4 Oi=二∞iYii 个网络，使不同的输入向量得到不同的 倍以上平均值时，隶属度函数值接近“饱 j=1 输出值，这样ANN所具有的那组权系数和”。这样处理的好处是为了防止某一分 其中Yi是xii经上述转换后的隶属 值便是网络经过自适应学习所得到的正 指标隶属度函数值过大，从而左右整个 度函数值，蛐为综合评价中各分指标的 确内部表示；训练好的ANN便可作为一 三 综合指标。对于成本型指标，当x；．越大， 权重，显然22 种定性与定量相结合的有效工具，对不 ooi=1。 其隶属度函数值反而越小，取负值；当地 j=1 同的企业进行综合评价。 越小，其隶属度函数越大，取正值。 把训练样本输入网络，利用该样本 (一)评价指标属性值的量化 (二)综合评价BP网络的结构设计对BP网络的连接权系数进行学习和调