基于主成份BP网络的多指标综合评估方法和其应用.pdf

企业探究 基于主成份BP网络的多指标 综合评估方法及其应用 杨 成 殷旅江 郭新有 武汉科技大学管理学院 湖北 武汉 430081 摘要:本文针对综合评价指标体系中 如何选取恰当的评价指标和合适的权重的问题 提出了基于主成份 BP网络的多指标综合评估方法 从众多的财务指标中 提取主成份 有利于神经网络的训练和学习 其次 针对一般多指标评估中各权值的确定问题 详细介绍了基于主成份BP网络的多指标综合评价原理及实现 方法 并将之实际应用到企业的综合绩效评估中 取得了满意的结果 关键词 绩效评估 客观赋权 主成份分析 BP神经网络模型 1.引言 出一种基于主成份神经网络的综合评价方法 试图在两 随着科学技术的进步 人们所研究的对象越来越复 方面取得较满意的结果 杂,无论在技术经济领域 还是企业综合经济效益评 2.BP神经网络模型 估 工程项目决策中 一般地说 评价某一项目的优 前向三层BP(BackPropagation)神经网络被认为是最 劣 同时要考虑许多因素 许多分指标 这些分指标 适用于模拟输入 输出的近似关系,它是在ANN中 算法 互相联系 相互影响 构成了综合评价指标体系 对 最成熟 应用最广泛的一种 它通常由输入层 输出层 多指标综合评估方法的研究,近年来取得很大成绩 发 和隐藏层组成,其信息处理分为前向传播和后向学习两步 表了一些高水平的文章 但是如何在决策评价过程中 进行 网络的学习是一种误差从输出层到输入层向后传 选取恰当的评价指标同时又不造成信息的重叠和遗漏 播并修正数值的过程 学习的目的是使网络的实际输出 如何确定综合评估指标中各指标的权数又尽可能排除主 逼近某个给定的期望输出 BP神经网络的典型结构 如 观因素的影响 这些问题尚有待进一步探讨 本文提 图 1 输入层 隐含层 输出层 x1 数 z1 输入样本 据 x2 输 输出 预 . . . 出 . 处 xi . 理 . 层 zk 图1 神经网络的结构BP BP学习算法步骤如下 3.主成分分析与改进的 神经网络的结合 传统的 网络都研究输入 输出层维数确定的建 初始化权值wki wjk 和偏差值bk bj