论文：基于SOM的预警模型研究与应用.pdf

基于SOM 的预警模型研究与应用 1 1 2 彭岩 王万森 涂序彦 1 首都师范大学 信息工程学院 北京 100037 2 北京科技大学 信息工程学院 北京 100083 摘 要 在预警系统中建立有效地风险预测模型是十分重要的。我国进行风险预警起步较晚，预警时有 些因素带有模糊性，而神经网络带有高度并行处理信息的机制且有自学习、自适应能力，因而使系统灵活 性更强。本文提出并建立了一种基于 SOM 的风险预警模型，同时，解决了网络训练及样本选用中的问题； 并对预警结果进行了分析。 关键词：预警模型，自组织映射，人工神经网络 Study on the Model of Early Warning Based On SOM 1 1 2 Peng Yan , Wang Wan-sen Tu Xu-yan 1(Information Engineering College, Capital Normal University, Beijing 100037, China); 2 (Information Engineering College, USTB, Beijing 100083, China) Abstract: In the Risk Early-Warning System, risk prediction model is very important that, it is regarding as the core of risk early warning. Compared with traditional models, neural network has self-study, self-organizing as well as self-adaptive advantages. This paper introduced SOM neural network into the Risk Early-Warning System; The methods are improved to select sample data and train the network. Experimental results show that the SOM model is accurate and can give visual prediction results as well. Key words: Early Warning Model, SOM, ANN 1 引言 人工神经网络（ANN ，Artificial Neural Network ）是对生物神经网络系统的模拟，其信 息处理功能是由网络单元的输入输出特性（激活特性），网络的拓扑结构（神经元的联接方 式）所决定的。ANN 对问题的求解方式与传统方法不同，它是经过训练来解答问题的。训 练一个 ANN 是把同一系列的输入例子和理想的输出作为训练的“样本”，根据一定的训练 算法对网络进行足够的训练，使得 ANN 能够学会包含在“解”中的基本原理。当训练完成 后可以用来求解相同的问题。作为研究复杂性的有力工具，神经网络技术近年来在模式识 别与分类、识别滤波、自动控制、预测等方面已展示了其非凡的优越性，特别是能处理任 意类型的数据，这是许多传统方法所无法比拟的。 这里，我们将 SOM 网络用于信贷风险预警，并对其中的迭代方法进行了改进。 2 Kohonen 自组织模型 人脑是由大量细胞组成的，在对人类的神经系统及脑的研究中，人们发现：在空间中 处于不同位置的脑细胞区域控制着人体不同部位的运动。依据大脑对信号处理的特点，在 1981 年，芬兰的T ．Kohonen提出了一种神经网络模型，也就是自组织特征映射模型SOM(Self —Organizing feature Map)[1] 。他认为神经网络中邻近的各个神经元通过彼此侧向交互作用， 相互竞争，自适应发展成检测不同信号的特殊检测器，这就是自组织特征映射的含义。一 个神经网络接受外界的输入模式时，将分为不同区域，各区域分别对