- 相關(guān)推薦
神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析論文（精選6篇）
在日常學(xué)習和工作中，大家都不可避免地要接觸到論文吧，論文寫(xiě)作的過(guò)程是人們獲得直接經(jīng)驗的過(guò)程。相信很多朋友都對寫(xiě)論文感到非�？鄲腊�，以下是小編收集整理的神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析論文，歡迎大家借鑒與參考，希望對大家有所幫助。
神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析論文 篇1
神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析
�。�1）神經(jīng)網(wǎng)絡(luò )的一般特點(diǎn)
作為一種正在興起的新型技術(shù)神經(jīng)網(wǎng)絡(luò )有著(zhù)自己的優(yōu)勢，他的主要特點(diǎn)如下：
�、儆捎谏窠�(jīng)網(wǎng)絡(luò )模仿人的大腦，采用自適應算法。使它較之專(zhuān)家系統的固定的推理方式及傳統計算機的指令程序方式更能夠適應化環(huán)境的變化�？偨Y規律，完成某種運算、推理、識別及控制任務(wù)。因而它具有更高的智能水平，更接近人的大腦。
�、谳^強的容錯能力，使神經(jīng)網(wǎng)絡(luò )能夠和人工視覺(jué)系統一樣，根據對象的主要特征去識別對象。
�、圩詫W(xué)習、自組織功能及歸納能力。
以上三個(gè)特點(diǎn)是神經(jīng)網(wǎng)絡(luò )能夠對不確定的、非結構化的信息及圖像進(jìn)行識別處理。石油勘探中的大量信息就具有這種性質(zhì)。因而，人工神經(jīng)網(wǎng)絡(luò )是十分適合石油勘探的信息處理的。
�。�2）自組織神經(jīng)網(wǎng)絡(luò )的特點(diǎn)
自組織特征映射神經(jīng)網(wǎng)絡(luò )作為神經(jīng)網(wǎng)絡(luò )的一種，既有神經(jīng)網(wǎng)絡(luò )的通用的上面所述的三個(gè)主要的特點(diǎn)又有自己的特色。
�、僮越M織神經(jīng)網(wǎng)絡(luò )共分兩層即輸入層和輸出層。
�、诓捎酶偁帉W(xué)記機制，勝者為王，但是同時(shí)近鄰也享有特權，可以跟著(zhù)競爭獲勝的神經(jīng)元一起調整權值，從而使得結果更加光滑，不想前面的那樣粗糙。
�、圻@一網(wǎng)絡(luò )同時(shí)考慮拓撲結構的問(wèn)題，即他不僅僅是對輸入數據本身的分析，更考慮到數據的拓撲機構。
權值調整的過(guò)程中和最后的結果輸出都考慮了這些，使得相似的神經(jīng)元在相鄰的位置，從而實(shí)現了與人腦類(lèi)似的大腦分區響應處理不同類(lèi)型的信號的功能。
�、懿捎脽o(wú)導師學(xué)記機制，不需要教師信號，直接進(jìn)行分類(lèi)操作，使得網(wǎng)絡(luò )的適應性更強，應用更加的廣泛，尤其是那些對于現在的人來(lái)說(shuō)結果還是未知的數據的分類(lèi)。頑強的生命力使得神經(jīng)網(wǎng)絡(luò )的應用范圍大大加大。
1.1.3自組織神經(jīng)網(wǎng)絡(luò )相對傳統方法的優(yōu)點(diǎn)
自組織特征映射神經(jīng)網(wǎng)絡(luò )的固有特點(diǎn)決定了神經(jīng)網(wǎng)絡(luò )相對傳統方法的優(yōu)點(diǎn):
�。�1）自組織特性，減少人為的干預，減少人的建模工作，這一點(diǎn)對于數學(xué)模型不清楚的物探數據處理尤為重要，減少不精確的甚至存在錯誤的模型給結果帶來(lái)的負面影響。
�。�2）強大的自適應能力大大減少了工作人員的編程工作，使得被解放出來(lái)的處理人員有更多的精力去考慮參數的調整對結果的影響。使得更快的改進(jìn)方法成為可能。
�。�3）網(wǎng)絡(luò )工作過(guò)程中考慮數據和網(wǎng)絡(luò )的拓撲結構的問(wèn)題，更類(lèi)似人類(lèi)大腦思考問(wèn)題的方式，問(wèn)題的'解決更符合人的特點(diǎn)，使得結果的可信程度加大。
�。�4）無(wú)導師學(xué)習機制，不需要教師信號。對于地球物理勘探這類(lèi)的很少有準確的教師信號作為指導的問(wèn)題而言，這一點(diǎn)很有優(yōu)勢，很好的模仿人腦，所得結果是其他方法處理結果的很好的參考。
1.1.4完成本課題的目的
本課題的目的就是通過(guò)畢業(yè)設計這一過(guò)程學(xué)習神經(jīng)網(wǎng)絡(luò )的基本原理、方法和應用情況，在了解自組織特征映射神經(jīng)網(wǎng)絡(luò )原理的基礎上探索這樣的方法、工具在地球物理數據處理上的應用，例如在儲層識別方面。并且同一部分其他方法對比，分析各個(gè)方法的特點(diǎn)，為后面的工作打基礎。
針對傳統地球物理勘探數據處理方法存在的問(wèn)題，結合自組織特征映射神經(jīng)網(wǎng)絡(luò )的優(yōu)點(diǎn)，嘗試這樣的一個(gè)新方法，看他們這一問(wèn)題上的表現如何，爭取找到一個(gè)相對合適的方法。
保存所做的工作，為以后在這方面感興趣的同學(xué)留下有限的一部分參考。國內外研究的過(guò)程及現狀
人工神經(jīng)網(wǎng)絡(luò )是近幾年來(lái)循序發(fā)展的人工智能新技術(shù)，他比專(zhuān)家系統、模糊理論等人工智能技術(shù)具有更高水平。
人工神經(jīng)網(wǎng)絡(luò )在80年代中期得到了飛速的發(fā)展。1982年美國加州州立理工學(xué)院物理學(xué)家Hopfield教授提出了Hopfield人工神經(jīng)網(wǎng)絡(luò )模型，他將能量函數的概念引入人工神經(jīng)網(wǎng)絡(luò )，并給出了穩定性的判據，開(kāi)拓了人工神經(jīng)網(wǎng)絡(luò )用于聯(lián)想記憶和優(yōu)化計算的新途徑。
人工神經(jīng)網(wǎng)絡(luò )模擬人類(lèi)部分形象思維的能力，是模擬人工智能的一條途徑。特別是可以利用人工神經(jīng)網(wǎng)絡(luò )解決人工智能研究中所遇到的一些難題。人工神經(jīng)網(wǎng)絡(luò )理論的應用已經(jīng)滲透到多個(gè)領(lǐng)域，在計算機視覺(jué)、模式識別、智能控制、非線(xiàn)性?xún)?yōu)化、自適應濾波相信息處理、機器人等方面取得了可喜的進(jìn)展。
1.2.1國外研究發(fā)展的過(guò)程
神經(jīng)網(wǎng)絡(luò )誕生半個(gè)多世紀以來(lái)，同其他事務(wù)一樣發(fā)展不是一帆風(fēng)順的，大體上經(jīng)歷了以下5個(gè)階段：
�。�1）奠基階段。
早在20世紀40年代初，神經(jīng)解剖學(xué)、神經(jīng)生理學(xué)、心理學(xué)以及人腦神經(jīng)元的電生理的研究等都有一定的成果。其中，神經(jīng)生物學(xué)家McCulloch提倡數字化具有特別的意義。他同青年數學(xué)家Pitts合作，從人腦信息處理觀(guān)點(diǎn)出發(fā)，采用數理模型的方法研究了腦細胞的動(dòng)作和結構及其生物神經(jīng)元的一些基本生理特性，提出了第一個(gè)神經(jīng)計算模型，即神經(jīng)元的閾值元件模型，簡(jiǎn)稱(chēng)為MP模型，他們認識到了模擬大腦可用于邏輯運行的網(wǎng)絡(luò )，有一些結點(diǎn)，及結點(diǎn)與結點(diǎn)之間相互聯(lián)系，構成一個(gè)簡(jiǎn)單神經(jīng)網(wǎng)絡(luò )模型。其主要貢獻在于，結點(diǎn)的并行計算能力很強，為計算神經(jīng)行為的某此方面提供了可能性，從而開(kāi)創(chuàng )了神經(jīng)網(wǎng)絡(luò )的研究。這一革命性的思想，產(chǎn)生了很大影響。
�。�3）第一次高潮階段。
在1958年計算機科學(xué)家Rosenblatt基于MP模型，增加了學(xué)習機制，推廣了MP模型。他證明了兩層感知器能夠將輸入分為兩類(lèi)，首先假如這兩種類(lèi)型是線(xiàn)性并可分，也就是一個(gè)超平面能將輸入空間分割，其感知器收斂定理：輸入和輸出層之間的權重的調節正比于計算輸出值與期望輸出之差。
他提出的感知器模型，首次把神經(jīng)網(wǎng)絡(luò )理論付諸工程實(shí)現。例如，1957年到1958年間在他的帥領(lǐng)下完成了第一臺真正意義上的的神經(jīng)計算機，即：MarkⅠ的感知器。他還指出了帶有隱含層處理元件的3層感知器這一重要的研究方向，并嘗試將兩層感知器推廣到3層。但是他沒(méi)有能夠找到比較嚴格的數學(xué)方法來(lái)訓練隱含層處理單元。這種感知器是一種學(xué)習和自組織的心理學(xué)模型，其結構體現了神經(jīng)生理學(xué)的知識。當模型的學(xué)習環(huán)境含有噪音時(shí)，內部結構有相應的隨機聯(lián)系，這種感知器的學(xué)習規則是突觸強化律，它可能應用在模式識別和聯(lián)想記憶等方面�？梢哉f(shuō)，他的模型包含了一些現代神經(jīng)計算機的基本原理，而且是神經(jīng)網(wǎng)絡(luò )方法和技術(shù)上的重大突破，他是現代神經(jīng)網(wǎng)絡(luò )的主要構建者之一。Rosenblatt的行為激發(fā)了很多學(xué)者對神經(jīng)網(wǎng)絡(luò )研究的極大興趣．美國的上百家有影響的實(shí)驗室紛紛投入到這個(gè)領(lǐng)域，軍方給予巨額資金資助，比如，對聲納波識別，迅速確定敵方的潛水艇位置，經(jīng)過(guò)一段時(shí)間的研究終于獲得了一定的成果。這些事實(shí)說(shuō)明，神經(jīng)網(wǎng)絡(luò )形成了首次高潮。
�。�4）堅持階段。
神經(jīng)網(wǎng)絡(luò )理論那些遙遠的但是并非不可達到的目標著(zhù)實(shí)吸引著(zhù)很多人的目光，美國軍方認為神經(jīng)網(wǎng)絡(luò )工程應當比“原子彈工程”更重要，并且對它的投資興趣巨大，而對它的實(shí)踐效果也比較滿(mǎn)意。這時(shí)，Minsky比較關(guān)心的是人工智能的發(fā)展與前途問(wèn)題。以順序離符號推導為其基本特征與神經(jīng)網(wǎng)絡(luò )大相徑庭。他引發(fā)學(xué)術(shù)界的爭議，導致對人工智能投資的增加。他從感知器的功能及局限性入手，在數學(xué)上進(jìn)行了分析，證明了感知器不能實(shí)現XOR邏輯函數問(wèn)題，也不能實(shí)現其它的謂詞函數。他認識到感知器模式的簡(jiǎn)單神經(jīng)網(wǎng)絡(luò )對于認知群不變性的無(wú)能為力。1969年Minsky和Papert在MIT出版了一本論著(zhù)Percertrons，對當時(shí)與感知器有關(guān)的研究及其發(fā)展產(chǎn)生了十分負面的影響，使得有些學(xué)者把研究興趣轉移到人工智能或數字電子計算機有關(guān)的理論和應用方面。這樣，推動(dòng)了人工智能的發(fā)展，使其占了主導地位。美國在此后15年里從未資助神經(jīng)網(wǎng)絡(luò )研究課題，致使前蘇聯(lián)有關(guān)研究機構也受到感染，終止了已經(jīng)資助的神經(jīng)網(wǎng)絡(luò )研究的課題。
�。�5）第二次高潮階段。
1981年芬蘭Helsink大學(xué)的T.Kohonen提出了自組織映射網(wǎng)絡(luò )模型(Self-OrganizingfeatureMap,簡(jiǎn)稱(chēng)SOM)，又稱(chēng)Kohonen網(wǎng)。Kohonen認為，一個(gè)神經(jīng)網(wǎng)絡(luò )接受外界輸入模式時(shí)，將會(huì )分成不同區域，各個(gè)區域對輸入模式有著(zhù)不同的響應特征，而且這一過(guò)程是自動(dòng)完成的。映射具有拓撲性質(zhì)，對一維、二維都是正確的，并在計算機上進(jìn)行了模擬，通過(guò)實(shí)例所展示的自適應學(xué)習，學(xué)習效果顯著(zhù)。他認為有可能推廣到更高維的情況。但是當時(shí)，他的自組織網(wǎng)絡(luò )的局部與全局穩定性問(wèn)題還沒(méi)有得到解決。值得一提的是，Hinton和Anderson的著(zhù)作ParallelModelsofAssociativeMemory產(chǎn)生了一定的影響。由于理想的神經(jīng)元連接組成的理論模型也具有聯(lián)想存儲功能，因此具有特別有意義。這類(lèi)神經(jīng)網(wǎng)絡(luò )從40年代初期就有學(xué)者在研究。當然，不同時(shí)期的研究總有新的認識。1982年生物物理學(xué)家Hopfield詳細闡述了它的特性，他對網(wǎng)絡(luò )存儲器描述得更加精細，他認識到這種算法是將聯(lián)想存儲器問(wèn)題歸結為求某個(gè)評價(jià)函數極小值的問(wèn)題，適合于遞歸過(guò)程求解，并引入Lyapunov函數進(jìn)行分析。在網(wǎng)絡(luò )中，節點(diǎn)間以一種隨機異步處理方式相互訪(fǎng)問(wèn)，并修正自身輸出值，可用神經(jīng)網(wǎng)絡(luò )來(lái)實(shí)現，從而這類(lèi)網(wǎng)絡(luò )的穩定性有了判據，其模式具有聯(lián)想記憶和優(yōu)化計算的功能。并給出系統運動(dòng)方程，即Hopfield神經(jīng)網(wǎng)絡(luò )的神經(jīng)元模型是一組非線(xiàn)性微分方程。
�。�6）新發(fā)展階段。
從神經(jīng)網(wǎng)絡(luò )理論簡(jiǎn)短的發(fā)展歷史來(lái)看，它們的高潮階段是十分容易度過(guò)的。IJCNN91大會(huì )主席Rumelhart意識到這一點(diǎn)，在他的開(kāi)幕詞中有一個(gè)觀(guān)點(diǎn)，神經(jīng)網(wǎng)絡(luò )的發(fā)展已到了一個(gè)新的轉折的時(shí)期，它的范圍正在不斷擴大，其應用領(lǐng)域幾乎包括各個(gè)方面。半個(gè)世紀以來(lái)，這門(mén)學(xué)科的理論和技術(shù)基礎已達到了一定規模，但是神經(jīng)網(wǎng)絡(luò )到新發(fā)展階段，需要不斷完善和突破，使其技術(shù)和應用得到有力的支持。
1.2.2國內神經(jīng)網(wǎng)絡(luò )發(fā)展的歷史
國內最早涉及人工神經(jīng)網(wǎng)絡(luò )的著(zhù)作是涂序彥先生等于1980年發(fā)表的《生物控制論》一書(shū)，書(shū)中將“神經(jīng)系統控制論”單獨設為一章，系統地介紹了神經(jīng)元和神經(jīng)網(wǎng)絡(luò )的結構、功能和模型。隨著(zhù)人工神經(jīng)網(wǎng)絡(luò )20世紀80年代在世界范圍內復蘇，國內也逐步掀起了研究熱潮。1990年2月，由中國八個(gè)學(xué)會(huì )聯(lián)合在北京召開(kāi)“中國神經(jīng)網(wǎng)絡(luò )首屆學(xué)術(shù)大會(huì )”。收到了來(lái)自全國的300多篇論文，從而開(kāi)創(chuàng )了中國神經(jīng)網(wǎng)絡(luò )及神經(jīng)計算機方面科學(xué)研究方面的新紀元。
1.2.3神經(jīng)網(wǎng)絡(luò )發(fā)展現狀
幾十年的發(fā)展使得神經(jīng)網(wǎng)絡(luò )上升到了一個(gè)新的高度，國外的發(fā)展十分迅速而且富有成果，在信息領(lǐng)域、自動(dòng)化領(lǐng)域、工程領(lǐng)域、醫學(xué)領(lǐng)域、經(jīng)濟領(lǐng)域都取得了豐碩的成果，特別是美蘇軍方對神經(jīng)網(wǎng)絡(luò )的投入大大刺激了神經(jīng)網(wǎng)絡(luò )的發(fā)展，吸引了一大批有識之士加入到這一行列，經(jīng)歷了第二次高潮階段之后，神經(jīng)網(wǎng)絡(luò )的發(fā)展更加迅速帶來(lái)了新的技術(shù)成果。如：手寫(xiě)輸入、語(yǔ)音識別、聯(lián)想記憶、節能、衛星動(dòng)作監測、信貸分析等等。
經(jīng)過(guò)多年的發(fā)展，國內學(xué)術(shù)界和工程界在人工神經(jīng)網(wǎng)絡(luò )的理論研究和工程應用方面也取得了豐碩成果，學(xué)術(shù)論文、應用成果和研究人員的數量逐年增長(cháng)。醫療、中藥、病人分類(lèi)等方面尤其在石油工業(yè)神經(jīng)網(wǎng)絡(luò )的發(fā)展十分迅速，物探的儲層識別等方面應用十分突出。這方面的學(xué)術(shù)論文迅速增加，并取得了一定的成果，為物探的發(fā)展開(kāi)辟出一個(gè)新的方向。
神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析論文 篇2
摘要：軟件需求分析不僅僅是為了讓開(kāi)發(fā)者滿(mǎn)足用戶(hù)要求，而且還可以幫助用戶(hù)了解軟件的性能和功能，具有一舉兩得的效果，但是如果軟件需求不符合實(shí)際需求，就會(huì )出現風(fēng)險，導致返工。在BP神經(jīng)網(wǎng)絡(luò )的基礎上，我們建立了軟件需求分析風(fēng)險評估模型，以減少軟件開(kāi)發(fā)的失敗率，規避因軟件需求分析失誤而帶來(lái)的實(shí)際存在的或潛在的風(fēng)險。
關(guān)鍵詞：風(fēng)險；軟件需求；BP神經(jīng)網(wǎng)絡(luò )；研究；分析
軟件開(kāi)發(fā)過(guò)程中，需求分析是一個(gè)關(guān)鍵性的階段。導致它失敗的原因有很多，例如開(kāi)發(fā)者和用戶(hù)之間的溝通障礙、軟件本身的隱含性、需求信息的不對稱(chēng)等等。這些問(wèn)題導致的返工，增加了開(kāi)發(fā)的成本，也損壞了企業(yè)形象，更可能流失掉部分用戶(hù)。因此，我們必須對軟件需求分析進(jìn)行風(fēng)險評估管理，把負面影響降到最低�，F代商業(yè)發(fā)展中，各企業(yè)和企業(yè)之間的競爭日趨激烈,掌握最新的技術(shù)，對技術(shù)進(jìn)行創(chuàng )新，才是企業(yè)在行業(yè)內立足腳跟，獲得更加長(cháng)遠發(fā)展的方法，因此要想牢牢地把握企業(yè)的運命就需要我們保持對技術(shù)創(chuàng )新的熱情，并在這條道路上樂(lè )此不疲。21世紀，只有掌握了最新和最具有創(chuàng )造性的技術(shù)，才能贏(yíng)的最后的勝利，本文把BP網(wǎng)絡(luò )與軟件需求分析風(fēng)險評估模型相結合，具有十分重要的意義。
1BP神經(jīng)網(wǎng)絡(luò )
BP神經(jīng)網(wǎng)絡(luò )是開(kāi)發(fā)者使用最多的神經(jīng)網(wǎng)絡(luò )之一，它具有算法簡(jiǎn)單、極強的魯棒性、收斂速度極快等優(yōu)點(diǎn)。最重要的一點(diǎn)是能夠最大限度的接近其真實(shí)系統，非常適合于線(xiàn)性的、不確定的、模糊的軟件風(fēng)險數據。BP算法是一種用于前向多層神經(jīng)網(wǎng)絡(luò )的的反傳學(xué)習算法。采用BP算法的數層感知器神經(jīng)網(wǎng)絡(luò )模型，它的基本思想是，學(xué)習過(guò)程由信號的正向傳播和誤差的反向傳播兩個(gè)過(guò)程組成。模糊理論采用模糊數學(xué)的方法，通過(guò)抽象思維，對處于多種因素作用下的事物做出總體評價(jià)。它的兩大主要特征是：第一，結果清晰；第二，系統性強，這非常適合于各種非確定性問(wèn)題的解決。
2軟件需求分析風(fēng)險評估模型
開(kāi)發(fā)過(guò)程中，了解軟件需求是很重要的。軟件開(kāi)發(fā)主要是依據需求的不同而設計出的產(chǎn)品。它包括了業(yè)務(wù)需求（組織和客戶(hù)高層次的目標）、用戶(hù)需求（用戶(hù)要求必須具備的需求）、功能需求（用戶(hù)可以通過(guò)完成任務(wù)滿(mǎn)足業(yè)務(wù)需求的產(chǎn)品中必須體現的軟件功能）。各種不同的需求都以不同的角度來(lái)呈現，需要進(jìn)行多方位的分析方可得出準確的結論。軟件需求分析就是對用戶(hù)所需軟件應具備的屬性進(jìn)行分析，滿(mǎn)足用戶(hù)的真正需求。在完成軟件需求分析后，我們要能得出用戶(hù)所需的軟件系統要能夠做到哪些功能，對此還要有詳細準確的說(shuō)明書(shū)，也就是用戶(hù)的使用說(shuō)明書(shū)，讓他們更快的了解產(chǎn)品。優(yōu)秀的需求具有以下特點(diǎn)：完整性、準確性、可行性、必要性、無(wú)歧義性和可行性。軟件需求分析風(fēng)險是指由于多方面的影響，如用戶(hù)參與度、用戶(hù)需求的拓展變化、多角度的考慮、設計的精準度和用戶(hù)與開(kāi)發(fā)者的充分溝通等等，而造成需求分析的不準確使得用戶(hù)的軟件需求得不到滿(mǎn)足。該風(fēng)險評估模型主要是為了降低軟件需求分析中存在的風(fēng)險，從而使得評估需求分析更具加有效和更易操作。
3一種基于BP神經(jīng)網(wǎng)絡(luò )的軟件需求分析風(fēng)險評估模型
本文把BP神經(jīng)網(wǎng)絡(luò )和模糊理論加入到軟件需求分析風(fēng)險評估模型中，利用BP神經(jīng)網(wǎng)絡(luò )的非線(xiàn)性映射屬性和模糊理論的超強表達能力與被理解力，幫助提高風(fēng)險評估的有效性和預測性。軟件需求分析風(fēng)險的評估模型包括風(fēng)險識別、風(fēng)險分析、風(fēng)險評估三個(gè)模塊。風(fēng)險識別的主要目的是考察研究軟件需求分析階段具體的情況，識別并記錄該階段存在的或潛在的風(fēng)險，輸入來(lái)源是專(zhuān)家的經(jīng)驗分析和歷史風(fēng)險數據庫。
一般步驟包括：
a:找出軟件需求分析風(fēng)險指標；
b:搜索歷史數據庫，列出存在的數據庫中的歷史案例；
c:通過(guò)專(zhuān)家分析，列出具有風(fēng)險等級的列表；
d:將確定了的風(fēng)險列表提交數據庫并更新。風(fēng)險分析是細化第一階段的風(fēng)險，分析其產(chǎn)生的.影響和等級，找出各指標與風(fēng)險級別之間的線(xiàn)性關(guān)系亦或非線(xiàn)性關(guān)系。本文引入BP神經(jīng)網(wǎng)絡(luò )和模糊理論，利用BP神經(jīng)網(wǎng)絡(luò )實(shí)現風(fēng)險評估指標和風(fēng)險級別之間的非線(xiàn)性映射關(guān)系，還利用模糊理論的超強表達能力和容易理解的屬性，提高整個(gè)風(fēng)險評估模型的學(xué)習能力和表達能力，得出更符合實(shí)際的評估報告。
主要的方法包括：
a:揭示原因和結果之間的聯(lián)系，追根溯源；
b:建立模型進(jìn)行認識和理解；
C:通過(guò)嘗試各種組合找出導致失敗的因素。風(fēng)險評估需最后明確所有存在的風(fēng)險和它們的等級，給予開(kāi)發(fā)者一個(gè)詳細的報告。本階段只要利用BP神經(jīng)網(wǎng)絡(luò )的輸入層、輸出層、隱含層數、隱含層節點(diǎn)數。輸入層節點(diǎn)是經(jīng)過(guò)模糊預處理的17個(gè)需求分析風(fēng)險評估指標；輸出層節點(diǎn)是需求分析風(fēng)險等級；隱含層數越多性能越高誤差越低；隱含節點(diǎn)越多，網(wǎng)絡(luò )功能越強大，但是過(guò)多則會(huì )使網(wǎng)絡(luò )功能減弱。
在BP神經(jīng)網(wǎng)絡(luò )基礎上，建立的軟件需求分析風(fēng)險評估模型，它操作的流程大致是三個(gè)方向。首先，識別軟件需求分析階段存在的、潛在的風(fēng)險；然后，利用BP神經(jīng)網(wǎng)絡(luò )和模糊理論的特有屬性、眾多優(yōu)點(diǎn)進(jìn)行分析，通過(guò)歷史數據庫，專(zhuān)家知識、專(zhuān)家討論，列出風(fēng)險表格；最后，對風(fēng)險進(jìn)行最后的評估，從而有效預測軟件開(kāi)發(fā)過(guò)程中所遇到的風(fēng)險，并且進(jìn)行規避。
4結束語(yǔ)
隨著(zhù)經(jīng)濟的高速發(fā)展，網(wǎng)絡(luò )軟件也成為人們工作生活中一個(gè)非常重要的工具。軟件需求的增多帶來(lái)了很多的問(wèn)題，軟件開(kāi)發(fā)的過(guò)程充滿(mǎn)了阻礙，軟件需求的滿(mǎn)意度也在日漸降低。因此，提高軟件開(kāi)發(fā)的速度、保證開(kāi)發(fā)軟件的質(zhì)量，降低風(fēng)險、減少開(kāi)發(fā)成本、滿(mǎn)足用戶(hù)真正的需求等等，對軟件需求分析風(fēng)險進(jìn)行評估，建立軟件需求分析風(fēng)險評估模型，是一件非常值得研究和實(shí)施的事情。本文研究的內容不僅僅達到了需求分析的目的，提出了新的思維方式和參考方向，而且還能更有效的預測軟件需求分析風(fēng)險，真正滿(mǎn)足用戶(hù)的軟件需求�；痦椖浚杭质〗逃龔d“十二五”科學(xué)技術(shù)研究項目“基于A(yíng)HP和群決策向量分析高校干部綜合測評方法和系統實(shí)現”（吉教科合字第2013402號）；吉林省教育科學(xué)“十二五”規劃課題“構建以學(xué)習者為主體的遠程教育支持服務(wù)體系的研究”。
參考文獻：
[1]李華,曹曉龍,成江榮.BP神經(jīng)網(wǎng)絡(luò )在軟件項目風(fēng)險評估中的應用[J].計算機仿真,2011,28(07):374-378.
神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析論文 篇3
1神經(jīng)網(wǎng)絡(luò )的概念及特點(diǎn)
1.1神經(jīng)網(wǎng)絡(luò )的概念
神經(jīng)網(wǎng)絡(luò )是一個(gè)并行、分布處理結構，是由神經(jīng)元及稱(chēng)為聯(lián)接的無(wú)向訊號通道互連而成。人工神經(jīng)網(wǎng)絡(luò )(ArtificialNeuralNetwork，ANN)指的則是模仿生理神經(jīng)網(wǎng)絡(luò )的結構和功能而設計的一種信息處理系統，即由多個(gè)非常簡(jiǎn)單的處理單元彼此按某種方式相互連接而形成的信息處理網(wǎng)絡(luò )[3]。
1.2神經(jīng)網(wǎng)絡(luò )的特點(diǎn)
在人工神經(jīng)網(wǎng)絡(luò )中，由于網(wǎng)絡(luò )中的每一個(gè)單元都是獨立的信息處理單元，因此其計算可獨立進(jìn)行，而整個(gè)網(wǎng)絡(luò )系統卻是并行計算的。這不同于傳統的計算機的串行運算。由于神經(jīng)網(wǎng)絡(luò )是一個(gè)大規�；ヂ�(lián)的復雜網(wǎng)絡(luò )系統，因而是大規模的并行處理，這在一定程度上提高了系統的處理速度，同時(shí)也為實(shí)時(shí)處理提供了重要條件。人工神經(jīng)網(wǎng)絡(luò )與人腦類(lèi)似，具有學(xué)習的功能。通常只要給出所需的數據、實(shí)例，由網(wǎng)絡(luò )去學(xué)習，而學(xué)習獲得的知識都分布儲存在整個(gè)網(wǎng)絡(luò )的用權系數表示的連接線(xiàn)上。不同網(wǎng)絡(luò )因學(xué)習方法及內容不同，可得到不同的功能和不同的應用。因而有可能解決傳統人工智能目前最感困難的機器學(xué)習中知識獲取、知識表示等問(wèn)題。此外神經(jīng)網(wǎng)絡(luò )還對于輸入數據的失真具有相當的彈性。
1.3常用的神經(jīng)網(wǎng)絡(luò )算法
常用的神經(jīng)網(wǎng)絡(luò )算法包括ARTMAP模型、ART模型、概率模型PNN、模糊模型ART、模糊多層感知器、Kohonen特征映射網(wǎng)絡(luò )、反饋多層感知器模型等[4-5]。其中，ART模型和Kohonen特征映射網(wǎng)絡(luò )、模糊模型ART屬于無(wú)監督訓練算法，而反饋多層感知器模型是受限反饋，ARTMAP模型、ART模型屬于反饋的網(wǎng)絡(luò )拓撲結構。
2神經(jīng)網(wǎng)絡(luò )在網(wǎng)絡(luò )入侵檢測中的應用
2.1神經(jīng)網(wǎng)絡(luò )應用于網(wǎng)絡(luò )入侵檢測的優(yōu)勢
由于神經(jīng)網(wǎng)絡(luò )對于數據訓練獲得預測能力的過(guò)程是通過(guò)完全抽象計算實(shí)現的，而不強調對于數據分布的假設前提，因此在建立神經(jīng)網(wǎng)絡(luò )模型過(guò)程中沒(méi)有必要向神經(jīng)網(wǎng)絡(luò )解釋知識的具體細節。同時(shí)，神經(jīng)網(wǎng)絡(luò )在網(wǎng)絡(luò )入侵檢測中，可以通過(guò)數據運算而形成異常的'判別值，這樣可以對于當前是否受到攻擊行為影響做出判斷，從而實(shí)現對檢測對象是否存在異常情況的檢測[6-8]。
2.2神經(jīng)網(wǎng)絡(luò )在網(wǎng)絡(luò )入侵檢測中的應用
神經(jīng)網(wǎng)絡(luò )在網(wǎng)絡(luò )安全尤其是入侵檢測方面已有了相當的研究[9]。有研究者將組織聚類(lèi)神經(jīng)網(wǎng)絡(luò )應用于計算機安全研究中，其采用了自適應諧振學(xué)習法進(jìn)行數據的前期訓練，對于無(wú)顯著(zhù)意義的平均誤差減少時(shí)，采用遺傳算法繼續在前期基礎上進(jìn)行數據數據以得到最佳的權值。國內也在神經(jīng)網(wǎng)絡(luò )應用于網(wǎng)絡(luò )入侵檢測上做了大量工作。王勇等研究者在參考MITLincoln有關(guān)網(wǎng)絡(luò )入侵檢測方法基礎上，提出了基于Linux主機的網(wǎng)絡(luò )入侵檢測方案，實(shí)現了對于多種網(wǎng)絡(luò )攻擊的特征進(jìn)行抽取及檢測的目的[10]。
神經(jīng)網(wǎng)絡(luò )在網(wǎng)絡(luò )入侵檢測中有廣泛的應用空間[11-12]，今后應該擴大訓練數據的數量和范圍，并擴大操作系統的研究空間，通過(guò)模擬真實(shí)的計算機網(wǎng)絡(luò )環(huán)境，將神經(jīng)網(wǎng)絡(luò )技術(shù)真正應用于計算機安全尤其是入侵檢測工作中。
神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析論文 篇4
摘要：神經(jīng)網(wǎng)絡(luò )是人工智能領(lǐng)域不可或缺的部分，當前最常見(jiàn)的幾種神經(jīng)網(wǎng)絡(luò )分別是感知器網(wǎng)絡(luò )、BP網(wǎng)絡(luò )、柯荷倫網(wǎng)絡(luò )、競爭網(wǎng)絡(luò )，這幾種網(wǎng)絡(luò )各具特點(diǎn)，最后給出了兩個(gè)使用BP網(wǎng)絡(luò )解決實(shí)際問(wèn)題的例子。
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò )人工智能機器學(xué)習控制算法
控制理論從提出到目前為止，一共經(jīng)歷了三個(gè)重大的發(fā)展時(shí)期，分別是經(jīng)典控制理論、現代控制理論和智能控制理論。智能控制屬于較新的控制理論，它現在主要用于人工智能領(lǐng)域。為了使更多的人了解到人工智能，推動(dòng)控制理論的不斷前進(jìn)，就需要對神經(jīng)網(wǎng)絡(luò )進(jìn)行推廣。
1典型神經(jīng)網(wǎng)絡(luò )
1.1感知器
感知器的工作原理是使用直線(xiàn)、平面等切割平面或立體空間，將這些平面或空間分成若干不同的區域[1]，以達到對輸入信號進(jìn)行分類(lèi)的目的。感知器在使用前，需要先進(jìn)行訓練。訓練感知器的主要目的是調整它的權值。訓練感知器時(shí)，通過(guò)選擇典型的輸入類(lèi)型，這些輸入需要能代表所有的輸入類(lèi)型，然后將這些數據輸入到感知器中對感知器進(jìn)行訓練。訓練之后，感知器網(wǎng)絡(luò )的節點(diǎn)數及權值得到了調整。當感知器訓練完成之后，就可以進(jìn)行工作了。
1.2BP網(wǎng)絡(luò )
BP網(wǎng)絡(luò )是當前使用得最多的一種神經(jīng)網(wǎng)絡(luò )，它的主要功能是對非線(xiàn)性有理函數進(jìn)行逼近，以滿(mǎn)足對非線(xiàn)性系統的控制作用。一般使用最速下降法對BP網(wǎng)絡(luò )進(jìn)行訓練，將誤差反向傳播，當有大量的數據通過(guò)BP網(wǎng)絡(luò )時(shí)，網(wǎng)絡(luò )的權值和閾值得到調整，并使得網(wǎng)絡(luò )的誤差系數降低到最小[2]。下式是不含反饋的神經(jīng)網(wǎng)絡(luò )的輸入與輸出關(guān)系：以上表達式不能表示具有反饋方式的神經(jīng)網(wǎng)絡(luò )，如果需要表示BP網(wǎng)絡(luò )，還需要對上式加入反饋部分，如下式所示：當訓練結束之后，此神經(jīng)網(wǎng)絡(luò )即是BP網(wǎng)絡(luò )，它就可用于對非線(xiàn)性系統的控制。它將輸出反饋到輸入，作為輸入的一部分，以達到對系統權值的持續調整，消除非線(xiàn)性影響的作用。
1.3競爭網(wǎng)絡(luò )
競爭網(wǎng)絡(luò )一般用于對大量具有典型特征的數據進(jìn)行分類(lèi)，它是一種單層網(wǎng)絡(luò )，包括輸入層和競爭層，輸入層和競爭層共用一個(gè)權值函數。競爭網(wǎng)絡(luò )的訓練和工作并未像其它神經(jīng)網(wǎng)絡(luò )那樣明確分開(kāi)，而是在工作的.過(guò)程中實(shí)現對網(wǎng)絡(luò )的訓練。它的訓練方式是無(wú)監督式的，訓練過(guò)程是通過(guò)競爭，將獲勝節點(diǎn)的權值進(jìn)行調整，從而使網(wǎng)絡(luò )的輸出于輸入間的誤差逐漸減小，在這個(gè)競爭過(guò)程中，就可以通過(guò)輸出的不同，而將輸入分成不同的類(lèi)型，以實(shí)現自動(dòng)分類(lèi)的功能。
1.4柯荷倫網(wǎng)絡(luò )
為了實(shí)現對具有概率分布模式的數據進(jìn)行分類(lèi)，可以利用柯荷倫網(wǎng)絡(luò )模型�？潞蓚惥W(wǎng)絡(luò )網(wǎng)絡(luò )模型與普通的網(wǎng)絡(luò )模型很相似，它的不同之處在與它在訓練過(guò)程中對節點(diǎn)的調整方法的區別�？潞蓚惥W(wǎng)絡(luò )模型對節點(diǎn)的調節方式與競爭網(wǎng)絡(luò )的比較相似，都是通過(guò)競爭來(lái)確定需要調整的網(wǎng)絡(luò )節點(diǎn)，競爭網(wǎng)絡(luò )只需要調整競爭獲勝的節點(diǎn)，而柯荷倫網(wǎng)絡(luò )除了需要調整競爭獲勝的網(wǎng)絡(luò )節點(diǎn)，還需要調整獲勝節點(diǎn)的臨近節點(diǎn)。
2BP網(wǎng)絡(luò )在智能系統中的應用
2.1聯(lián)想記憶
在信號處理、語(yǔ)音和圖像識別等領(lǐng)域，當輸入數據具有干擾或需要網(wǎng)絡(luò )具有糾錯能力時(shí)，就需要網(wǎng)絡(luò )能夠識別出這種錯誤，并將其糾正過(guò)來(lái)。為了能得到具有這種功能的神經(jīng)網(wǎng)絡(luò )，可以先將識別對象轉換成網(wǎng)絡(luò )的平衡節點(diǎn)，通過(guò)調整節點(diǎn)的權值，使其記住這些目標。然后再通過(guò)不斷對網(wǎng)絡(luò )輸入學(xué)習數據，使其不斷進(jìn)行聯(lián)想，最終使目標模型的特征收斂到網(wǎng)絡(luò )的平衡節點(diǎn)上。例如在進(jìn)行文字處理時(shí)，為了能是神經(jīng)網(wǎng)絡(luò )具有識別出錯誤文字的功能，可先將特定模型的文字轉化成網(wǎng)絡(luò )平衡節點(diǎn)，然后在對網(wǎng)絡(luò )輸入正確的文字，在不斷的訓練過(guò)程中，網(wǎng)絡(luò )就能實(shí)現對錯誤輸入的識別作用。
2.2優(yōu)化計算
霍普菲爾德的網(wǎng)絡(luò )穩定性判別函數以能量為基礎。當系統不穩定時(shí)，能量會(huì )逐漸減小，并最終趨于穩定。在大規模電力線(xiàn)路的設計過(guò)程中，為了使設計的電子線(xiàn)路系統最優(yōu)，就需要對設計不斷進(jìn)行優(yōu)化。通過(guò)對系統網(wǎng)絡(luò )進(jìn)行分析，求解出網(wǎng)絡(luò )的最優(yōu)參數之后，將這些參數轉換成神經(jīng)網(wǎng)絡(luò )中的平衡節點(diǎn)。在對神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練之后，網(wǎng)絡(luò )就可以通過(guò)不斷循環(huán)優(yōu)化，最終設計出一個(gè)最優(yōu)電子線(xiàn)路系統。
2.3影像處理
在人造成像系統中，無(wú)論是光學(xué)成像，還是聲波成像，以及電磁波成像，由于在對影像進(jìn)行采集和處理的系統一般是數字系統，并且數字信號本身比模擬信號具有更強的抗噪能力，在采集和處理過(guò)程中，必須先對影像資料進(jìn)行數字化處理，將模擬信號轉換成數字信號。因此，最終采集到的影像資料都是不連續的。
當前對影像數據的處理主要包括：處理因焦距問(wèn)題而產(chǎn)生的影像模糊;影像噪聲含量較多時(shí)將噪聲處理掉;使用邊緣檢測的方法，得到圖像的特殊屬性。影像處理所涉及的領(lǐng)域也非常寬廣，如對影像進(jìn)行分類(lèi)、在醫學(xué)中對藥物反應的影像進(jìn)行分析等。
神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析論文 篇5
摘要：文章通過(guò)對國內外醫院預算管理的對比分析，引出醫院對全面預算精細化管理的要求;結合傳統預算管理方法不準確的弊端，對比智能化的神經(jīng)網(wǎng)絡(luò )系統處理方式，提出了基于神經(jīng)網(wǎng)絡(luò )的醫院全面預算管理方法。通過(guò)分析神經(jīng)網(wǎng)絡(luò )對醫院全面預算管理處理的理論基礎，構建了醫院全預算管理與神經(jīng)網(wǎng)絡(luò )對應關(guān)系的模型。詳細闡明了神經(jīng)網(wǎng)絡(luò )學(xué)習過(guò)程，仿真結果表明，基于神經(jīng)網(wǎng)絡(luò )訓練模型，能夠對預算全程進(jìn)行精確預測和控制，較好地完成醫院全面精細化預算管理
關(guān)鍵詞：管理學(xué)論文
全面預算管理主要是指全員參與、財務(wù)及經(jīng)營(yíng)收支全額納入預算、預算全過(guò)程的管理。它最早產(chǎn)生于企業(yè)，先后在美國通用電器、通用汽車(chē)公司提出并應用，并隨著(zhù)企業(yè)的發(fā)展而日益完善。近幾年在國內醫院也得到了應用，全面預算管理的實(shí)施，促進(jìn)了醫院內部人與人、部門(mén)與部門(mén)間的了解與合作，使醫院戰略目標與預算得到落實(shí)。
一、國內外醫院預算管理的對比
醫院的預算管理，國內外差別較為明顯。以澳大利亞為例，該國每年對公立醫院實(shí)行全額預算補貼，支付形式是按病種結算。醫院必須按照就診人次和診斷的疾病種類(lèi)來(lái)計算收費金額，而后同政府部門(mén)或保險公司結算，這一方式與醫院為患者提供的實(shí)際服務(wù)項目及成本無(wú)關(guān)。因此，醫院對醫療成本的控制十分重視，在保證醫療質(zhì)量的前提下，想方設法減少藥品、檢查、檢驗及材料的成本，嚴格禁止患者進(jìn)行重復檢查。項目的預算要求非常具體，數據精確度也非常高。而國內，醫院的收費是按服務(wù)項目收取，每項醫療服務(wù)由物價(jià)部門(mén)統一確定收費標準，這種收費模式，導致醫院把主要精力集中在“創(chuàng )收”上。但隨著(zhù)我國醫療體制改革的推進(jìn)，特別是目前已經(jīng)試點(diǎn)的單病種、臨床路徑管理，很多項目也逐步向國外先進(jìn)管理模式靠攏。從新《醫院財務(wù)制度》中可以看出，醫院獨立性越來(lái)越強，對預算管理要求也會(huì )越來(lái)越高，醫院內部預算管理將更加全面，這就需要醫院預算管理要在精、細、準上下功夫。
二、對現有醫院預算管理方法的分析
現行醫院預算管理方法不夠科學(xué)，很難達到精、準要求。為了求得預算值，實(shí)際工作中一般采用平均值法，表示公式為：項目預算=其中，i為拆分的某個(gè)子項目;x為上期預算;y為上期決算;n為項目拆分后的子項目總數;k為調整系數。該方法是以上期預決算作為基礎參照，求得一個(gè)參考值。值得注意的是，上期預算和上期決算的合理性并不能得到保證，因此這個(gè)參考值是不準確量。為使參考值趨于合理，并符合一般項目預算變化率，通常需要經(jīng)專(zhuān)家組綜合評價(jià)后，進(jìn)行部分校正，確定相對合理的調整系數，最終將預算參考值與調整系數的乘積作為本期預算。而確定的系數合理到什么程度，很難判斷，只能靠經(jīng)驗，很容易出現預算偏差。傳統預算編制方法主要有固定預算、增量預算、零基預算、確定性預算和概率預算。所有這些預算方法都是按照線(xiàn)性思維考慮，各有利弊，在醫院部分預算項目管理中，也可能綜合運用，但很難考慮到醫院整體的綜合性、復雜性，以及項目之間的相互影響力。因此，單靠人為估算不是科學(xué)的.辦法，在實(shí)際執行中存在許多不確定性，不能保證預算目標得以實(shí)現，無(wú)法滿(mǎn)足醫院精細化和全面管理的需要。而新型的神經(jīng)網(wǎng)絡(luò )預算方法基于非線(xiàn)性，有較高的復雜度，而且考慮了誤差反饋校驗。該方法應用到醫院全面預算管理全過(guò)程，可以滿(mǎn)足醫院全面預算的精細化需求。
三、神經(jīng)網(wǎng)絡(luò )的特點(diǎn)
神經(jīng)網(wǎng)絡(luò )(NeuralNetworks)是20世紀80年代興起的一種實(shí)用的多學(xué)科交叉處理技術(shù)，是模仿人腦行為特征、進(jìn)行分布式并行信息處理的數學(xué)算法模型。它具有非線(xiàn)性和自適應的動(dòng)態(tài)系統特征，這一處理方法依靠系統的復雜程度，通過(guò)調整內部大量節點(diǎn)之間相互連接的權重，從而達到處理信息的目的。神經(jīng)網(wǎng)絡(luò )有兩大智能特性，即具有自學(xué)習和自適應調控的能力，可以通過(guò)預先提供的一組相互對應的輸入——輸出數據，分析掌握兩者之間潛在的規律，最終根據這些規律，用新的輸入數據來(lái)推算輸出目標結果，這種學(xué)習分析的過(guò)程通常被稱(chēng)為“訓練”，就像人類(lèi)一樣，通過(guò)學(xué)習和訓練，學(xué)習新技術(shù)、新方法，用于解決實(shí)際工作中的新問(wèn)題。神經(jīng)網(wǎng)絡(luò )已經(jīng)成為一種智能控制方法，廣泛應用于生產(chǎn)、企業(yè)管理等多種社會(huì )實(shí)踐中，進(jìn)行預測、控制。
四、神經(jīng)網(wǎng)絡(luò )應用于醫院預算管理的可行性
醫院信息化建設的普及，給精細化管理提供了基礎數據元，為全面預算的精準控制打下了基礎。特別是部分醫院建立了大數據中心、信息系統平臺，可以直接通過(guò)接口采集各類(lèi)原始數據。將相關(guān)數據進(jìn)行模型化處理，采用神經(jīng)網(wǎng)絡(luò )算法，即可應用于預算管理的全過(guò)程。使用神經(jīng)網(wǎng)絡(luò )算法，仿人腦思考，使得預算計算方法更加科學(xué)，由過(guò)去的一般線(xiàn)性計算發(fā)展到非線(xiàn)性，增加了復雜度，與實(shí)際更趨一致。以人員工資支出為例，過(guò)去只作正常增資額，作線(xiàn)性處理，而現在可以把員工工資分成三部分，一是人員變動(dòng)情況;二是基本工資正常增資，可使用人事信息，采用分段函數準確計算出下一預算周期的基礎工資額;三是績(jì)效工資，它處于比較復雜的非線(xiàn)性變化，因為要參考每月的實(shí)際工作量及醫院收支變化，還要引入各種醫療因素的反饋信息，再加上醫院上期數據對下期發(fā)展的影響因素等等。面對這種諸多因素的復雜影響時(shí)，一般算法很難進(jìn)行合理處理，而采用神經(jīng)網(wǎng)絡(luò )算法，卻可以解決。這只是列舉了一個(gè)較為簡(jiǎn)單的例子，相對于人員工資支出，醫院新建項目、新技術(shù)應用等的預算精確管理則更為復雜，需要考慮的因素也更多。針對醫院全面預算中出現的一些不確定性和高度非線(xiàn)性因素的影響，神經(jīng)網(wǎng)絡(luò )的獨特優(yōu)點(diǎn)有了用武之地，它能夠充分接近復雜的非線(xiàn)性映射關(guān)系，可以學(xué)習和適應不確定因素的動(dòng)態(tài)特質(zhì)，具有較強的容錯性，此外，由于神經(jīng)網(wǎng)絡(luò )采用矩陣算法，可以進(jìn)行快速的海量數據運算。
五、神經(jīng)網(wǎng)絡(luò )在醫院全面預算管理中的應用
(一)神經(jīng)網(wǎng)絡(luò )的構成
神經(jīng)網(wǎng)絡(luò )一般包括三層：輸入層、隱含層和輸出層。針對醫院全面預算，輸入層可以是各種醫院基本元數據以及醫院綜合運行指標，越細化越好。隱含層是神經(jīng)網(wǎng)絡(luò )的算法核心，是復雜的智能化處理的中間態(tài)，這對神經(jīng)網(wǎng)絡(luò )使用者來(lái)說(shuō)是不可見(jiàn)的。輸入層參數主要包括：科室基本情況，包括床位、科室人員、影響力等;患者基本情況，指本科室患者信息，如年齡、性別、職業(yè)等;疾病情況，包括ICD10疾病診斷、病程及入出院情況等;患者醫保類(lèi)型;檢查、檢驗、治療、手術(shù)等情況;科室請領(lǐng)的相關(guān)物耗等信息;科室設備使用情況;科室消耗的水、電、氧氣等;門(mén)診診療情況;輸液用藥情況;醫院運行指標，如門(mén)診人次、住院床日等;按賬單類(lèi)別分類(lèi)的門(mén)診、住院費用;人員工資成本;患者滿(mǎn)意情況;其它各類(lèi)指標(整個(gè)醫院相關(guān)運行指標近百種)。輸出層：包含單項目預算、患者醫保預算、科室預算等各種收入預算、支出預算，涵蓋醫院全面預算涉及的各方面內容。
(二)神經(jīng)網(wǎng)絡(luò )的建設
決定神經(jīng)網(wǎng)絡(luò )拓撲結構的是隱含層(隱含層可能是多層)及其所含節點(diǎn)數，以及節點(diǎn)與節點(diǎn)之間的連接方式。要從零開(kāi)始建設一個(gè)神經(jīng)網(wǎng)絡(luò )，首先要做的是確定隱含層和節點(diǎn)數，對應的活動(dòng)函數的形式以及權重限制等。如果采用成熟的工具軟件箱，將會(huì )大大節約調整時(shí)間，減少建設適應周期。數據從輸入層到輸出層的過(guò)程是一個(gè)從前向后的傳播過(guò)程，后面節點(diǎn)的數值通過(guò)它前面相連的節點(diǎn)傳遞過(guò)來(lái)，然后把這個(gè)值按照各個(gè)連接權重的大小加權，輸入活動(dòng)函數再得到新的數值，繼續傳播到下面的節點(diǎn)。當節點(diǎn)的輸出值與我們預期的值不同，也就是發(fā)生誤差時(shí)，神經(jīng)網(wǎng)絡(luò )就要“學(xué)習”。學(xué)習過(guò)程如下：如果一個(gè)節點(diǎn)輸出發(fā)生較大誤差，那么就需要看這一誤差是受哪些輸入節點(diǎn)的影響而造成的，是不是受到了權重最高的節點(diǎn)的影響，如果是，則要降低這一節點(diǎn)的權重，同時(shí)升高其它節點(diǎn)的權重值。對那些降低權重的節點(diǎn)來(lái)說(shuō)，也需要用同樣的方法來(lái)進(jìn)一步降低它前面的節點(diǎn)的權重。按照這樣的做法把權重值進(jìn)行調整，一步步向前傳播，直到權重調整到輸入節點(diǎn)為止。對訓練的每一條記錄都要重復這個(gè)步驟，用向前傳播得到輸出值，如果發(fā)生較大誤差，則用此方法進(jìn)行學(xué)習。當把訓練的每一條記錄都運行過(guò)一遍之后，便完成了一個(gè)訓練周期。結合醫院實(shí)際運作方式，一般一個(gè)訓練周期定為一個(gè)月，要完成神經(jīng)網(wǎng)絡(luò )的訓練可能需要很多個(gè)訓練周期，至少要幾十次，經(jīng)常要經(jīng)過(guò)上百次學(xué)習。神經(jīng)網(wǎng)絡(luò )學(xué)習次數越多，誤差越小，未來(lái)的醫院預算執行越準確。訓練學(xué)習完成之后得到的神經(jīng)網(wǎng)絡(luò )就是相對完善的模型，描述了全面預算受醫院基礎變量影響的變化規律。
(三)誤差校正
對于單輸入、單輸出神經(jīng)網(wǎng)絡(luò )模型，非線(xiàn)性系統可用如下差分方程表示：y(t+1)=f[y(t),y(t-1),…,y(t-k+1);x(t),x(t-1),…,x(t-k+1)]其中，y(t)、x(t)分別表示在t時(shí)刻的輸出、輸入變量，f()為未知的非線(xiàn)性映射，k為輸入輸出的系統階次。針對醫院預算實(shí)際情況，我們按上圖中所示的神經(jīng)網(wǎng)絡(luò )模型，有n個(gè)醫院基礎信息和運行指標輸入變量，m個(gè)預算種類(lèi)輸出變量，此非線(xiàn)性系統可用差分方程表示為：通常有兩種方法，可以預測神經(jīng)網(wǎng)絡(luò )未來(lái)的輸出，一是遞推法，二是非遞推法。由于神經(jīng)網(wǎng)絡(luò )結構相當復雜，建模難度極大，一般不采用非遞推法。在此我們利用遞推法，來(lái)預測神經(jīng)網(wǎng)絡(luò )未來(lái)d步的預算輸出。
六、結束語(yǔ)
神經(jīng)網(wǎng)絡(luò )和一般統計方法在本質(zhì)上有很大差別。一般統計方法的參數有幾種或十幾種，但神經(jīng)網(wǎng)絡(luò )的參數可以達幾十種甚至上百種。由于參數眾多，基本涵蓋了醫院所有指標，參數又可以重新組合，以新的形式來(lái)影響輸出的預算結果，以至于很難對一個(gè)神經(jīng)網(wǎng)絡(luò )模型做出直接的解釋。實(shí)際上神經(jīng)網(wǎng)絡(luò )的隱含層盡管復雜但對用戶(hù)來(lái)說(shuō)是看不到的，也就是當作“黑匣子”來(lái)使用，不用去管“黑匣子”的具體存儲內容以及“黑匣子”的詳細運算步驟，只管使用即可，所以神經(jīng)網(wǎng)絡(luò )系統盡管復雜深奧，但對操作者來(lái)說(shuō)是簡(jiǎn)單的。事實(shí)上，神經(jīng)網(wǎng)絡(luò )初次上線(xiàn)，前期準備是相當復雜的，即使隱含層只有一層的神經(jīng)網(wǎng)絡(luò )，輸入層、隱含層到輸出層的映射關(guān)系函數也可達幾百種，還需要通過(guò)數據圖表找出映射關(guān)系模型，只有全面明確了相關(guān)映射，才能真正構建起神經(jīng)網(wǎng)絡(luò )，完成“黑盒”的封裝，為以后的醫院預算服務(wù)。
神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析論文 篇6
神經(jīng)網(wǎng)絡(luò )是目前應用最為廣泛的網(wǎng)絡(luò )模型之一，結合神經(jīng)網(wǎng)絡(luò )構建一套安全、可靠的計算機安全評價(jià)體系，對網(wǎng)絡(luò )安全有一定的保障作用。將神經(jīng)網(wǎng)絡(luò )有效地應用于計算機網(wǎng)絡(luò )，有利于降低網(wǎng)絡(luò )安全風(fēng)險。文章對神經(jīng)網(wǎng)絡(luò )和計算機網(wǎng)絡(luò )安全進(jìn)行了概述，通過(guò)BP神經(jīng)網(wǎng)絡(luò )構建可靠的計算機網(wǎng)絡(luò )安全評價(jià)體系，闡述了基于神經(jīng)網(wǎng)絡(luò )的計算機網(wǎng)絡(luò )安全評價(jià)系統應用意義，彌補傳統計算機網(wǎng)絡(luò )安全中存在的諸多問(wèn)題及不足。
計算機網(wǎng)絡(luò )的快速發(fā)展和技術(shù)的廣泛應用給人們的生產(chǎn)生活提供了便利，但同時(shí)，也帶來(lái)了一些不容忽視的安全隱患。近年來(lái)，影響計算機安全的因素很多，例如犯罪團伙利用網(wǎng)絡(luò )等高科技進(jìn)行犯罪的案例屢見(jiàn)不鮮。對此進(jìn)行嚴格防范，更好地促進(jìn)計算機和互聯(lián)網(wǎng)的發(fā)展，需要對計算機網(wǎng)絡(luò )安全進(jìn)行評價(jià)，建立安全、有效的計算機網(wǎng)絡(luò )評價(jià)系統，網(wǎng)絡(luò )安全評價(jià)體系可以對整個(gè)計算機網(wǎng)絡(luò )進(jìn)行評估和分析，完善評價(jià)體系，使系統更準確、可靠，其中使用率最高的則是神經(jīng)網(wǎng)絡(luò )。
1神經(jīng)網(wǎng)絡(luò )的概述
1.1神經(jīng)網(wǎng)絡(luò )的簡(jiǎn)介
神經(jīng)網(wǎng)絡(luò )又被稱(chēng)為鏈接模型，它效仿了生物神經(jīng)網(wǎng)絡(luò )而建立，它以人腦的信息處理方式為基礎，采用建立數學(xué)模型的方式研究大腦行為結構和生物神經(jīng)元基本特征，世界上第一個(gè)神經(jīng)網(wǎng)絡(luò )模型是由數學(xué)家和生物學(xué)家共同提出。神經(jīng)網(wǎng)絡(luò )復雜多變，它是由神經(jīng)元內部通過(guò)大量節點(diǎn)進(jìn)行相互連接形成的一種網(wǎng)絡(luò )結構，其中每個(gè)神經(jīng)元都可處理信息，從而達到處理海量信息的規模。隨后，計算機學(xué)家在原有的神經(jīng)網(wǎng)絡(luò )模型的基礎上增加了學(xué)習機制，將神經(jīng)網(wǎng)絡(luò )技術(shù)應用在工程中，設計出了感知器神經(jīng)網(wǎng)絡(luò )模型，我國的計算機學(xué)家和數學(xué)家通過(guò)對神經(jīng)網(wǎng)絡(luò )的分析，展開(kāi)長(cháng)期的研究工作，掌握了模型的實(shí)質(zhì)，研究表明，神經(jīng)網(wǎng)絡(luò )模型適合應用在不同的研究領(lǐng)域。
1.2神經(jīng)網(wǎng)絡(luò )的功能
神經(jīng)網(wǎng)絡(luò )是一項人工智能系統，是通過(guò)生物神經(jīng)網(wǎng)絡(luò )的工作原理建立而來(lái)，它的應用具有全方位的優(yōu)越性能。計算機神經(jīng)網(wǎng)絡(luò )系統還可實(shí)現預測功能，此功能為聯(lián)想模式的升級版，主要運用于市場(chǎng)和企業(yè)中，例如股票等證券市場(chǎng)，預測功能可對股市證券和企業(yè)的未來(lái)效益進(jìn)行預測分析，基于計算機的神經(jīng)網(wǎng)絡(luò )為市場(chǎng)和企業(yè)的發(fā)展提供了強有力的支持。正是有這些優(yōu)越性能，神經(jīng)網(wǎng)絡(luò )系統在計算機網(wǎng)絡(luò )安全評價(jià)過(guò)程中，才能發(fā)揮出最大的價(jià)值。
2計算機網(wǎng)絡(luò )安全概述
2.1計算機網(wǎng)絡(luò )安全的簡(jiǎn)介
計算機網(wǎng)絡(luò )安全是指在網(wǎng)絡(luò )環(huán)境中，采用先進(jìn)的科學(xué)技術(shù)和網(wǎng)絡(luò )管理控制措施來(lái)保證計算機資料能得以安全及完整的保護。計算機網(wǎng)絡(luò )安全由邏輯安全和物理安全兩大重要部分組成：第一，計算機的邏輯安全是指其中信息數據的保密性、完整性及可用性方面的內容;第二，物理安全包括了系統中的組網(wǎng)硬件和相關(guān)軟件等方面內容，其具有可控性及可審查性等特點(diǎn)。在當今的計算機網(wǎng)絡(luò )環(huán)境中，安全問(wèn)題是關(guān)鍵，由于網(wǎng)絡(luò )的開(kāi)放自由性導致信息在傳播過(guò)程中會(huì )受到硬件漏洞或者通訊協(xié)議方面的攻擊，這不僅給本地用戶(hù)帶來(lái)威脅，對國際網(wǎng)絡(luò )市場(chǎng)也是一種挑戰。
2.2計算機網(wǎng)絡(luò )安全評價(jià)體系的建立
計算機網(wǎng)絡(luò )安全評價(jià)體系的建立是對網(wǎng)絡(luò )安全評價(jià)的一個(gè)強有力保障，該體系能全面、科學(xué)、客觀(guān)的體現計算機網(wǎng)絡(luò )中存在的不安全因素并且給出相對應的解決措施，所以應該根據多種綜合因素設立評價(jià)體系中的評價(jià)指標，從而準確地反映評價(jià)信息，計算機網(wǎng)絡(luò )安全評價(jià)系統的構建原則是：第一，可行性。在計算機網(wǎng)絡(luò )安全評價(jià)體系構建過(guò)程中，結合實(shí)際的測評條件，因地制宜，才能有效的進(jìn)行測評和操作。第二，準確性。在計算機網(wǎng)絡(luò )安全評價(jià)體系的構建過(guò)程中，應當對網(wǎng)絡(luò )安全的技術(shù)水平進(jìn)行真實(shí)的體現，及時(shí)且準確的對安全信息進(jìn)行監測分析再反饋到計算機網(wǎng)絡(luò )中，使技術(shù)人員及時(shí)有效的解決產(chǎn)生的問(wèn)題。第三，完備性。建立的安全評價(jià)體系，需確保所選指標對網(wǎng)絡(luò )安全基本特征有全面的反映，進(jìn)而提高評價(jià)結果的真實(shí)可靠性。第四，簡(jiǎn)要性。在選取評價(jià)指標的過(guò)程中，要選取具有代表性的，保證結果準確可靠從而降低工作量。第五，獨立性。計算機網(wǎng)絡(luò )是一個(gè)復雜多變的系統，在選取各項評價(jià)指標時(shí)，要避免出現重復選擇的情況，減少指標間的關(guān)聯(lián)度，從而客觀(guān)準確的將計算機網(wǎng)絡(luò )安全運行狀態(tài)展現出來(lái)。計算機安全網(wǎng)絡(luò )存在一定風(fēng)險性，在安全保護上也存在難度，遵守以上原則，在實(shí)際工作應用中，提高計算機網(wǎng)絡(luò )的工作質(zhì)量和效率。
3基于神經(jīng)網(wǎng)絡(luò )的計算機網(wǎng)絡(luò )安全評價(jià)系統
在神經(jīng)網(wǎng)絡(luò )模型中，使用最為廣泛的是BP神經(jīng)網(wǎng)絡(luò )模型，它采用最速下降法進(jìn)行反向傳播，調整相關(guān)數值，將誤差降至最低。BP神經(jīng)網(wǎng)絡(luò )模型還通過(guò)誤差逆傳播算法，訓練前饋多層網(wǎng)絡(luò )。其算法簡(jiǎn)單，容易實(shí)現，具有非線(xiàn)性逼近能力。本文以BP神經(jīng)網(wǎng)絡(luò )為研究對象，對計算機網(wǎng)絡(luò )安全評價(jià)進(jìn)行分析。
3.1神經(jīng)網(wǎng)絡(luò )的計算機網(wǎng)絡(luò )安全評價(jià)模型設計
基于神經(jīng)網(wǎng)絡(luò )設計的計算機網(wǎng)絡(luò )安全評價(jià)模型，由3個(gè)部分組成，分別是輸入層、隱含層和輸出層：(1)輸入層。BP神經(jīng)網(wǎng)絡(luò )在設計的過(guò)程中規定輸入層神經(jīng)元節點(diǎn)的數量，與計算機網(wǎng)絡(luò )安全評價(jià)指標數量必須一致，所以對模型輸入層中神經(jīng)元節點(diǎn)的數量確定需由二級指標的數量完成。例如，在安全評價(jià)體系中設計了10個(gè)二級指標，在計算機網(wǎng)絡(luò )安全評價(jià)模型中輸入層神經(jīng)元節點(diǎn)數量也必須是10個(gè)。(2)BP神經(jīng)網(wǎng)絡(luò )模型在設計的過(guò)程中，采用單向隱含層，如果隱含層中的節點(diǎn)數過(guò)多會(huì )延長(cháng)神經(jīng)網(wǎng)絡(luò )學(xué)習時(shí)間，如果隱含層節點(diǎn)數的數量過(guò)少則會(huì )降低神經(jīng)網(wǎng)絡(luò )的容錯能力。所以隱含層中的節點(diǎn)數量對網(wǎng)絡(luò )性能有較大的影響。(3)輸出層。BP神經(jīng)網(wǎng)絡(luò )在輸出層的設計工作即反映網(wǎng)絡(luò )安全評價(jià)結果，依據輸入層的評價(jià)設計，將輸出層的節點(diǎn)數設為2個(gè)，則(1，1)的輸出結果表示非常安全，(1，0)的輸出結果基本安全，(0，1)的輸出結果表示不安全，(0，0)的輸出結果表示非常不安全。
3.2神經(jīng)網(wǎng)絡(luò )的計算機網(wǎng)絡(luò )安全評價(jià)模型學(xué)習
BP神經(jīng)網(wǎng)絡(luò )在計算機網(wǎng)絡(luò )安全評價(jià)模型中需完成神經(jīng)網(wǎng)絡(luò )的學(xué)習，也就表示其在模型構建前需進(jìn)行神經(jīng)網(wǎng)絡(luò )的`訓練工作，這使BP神經(jīng)網(wǎng)絡(luò )具有初始連接權，在完成神經(jīng)網(wǎng)絡(luò )的學(xué)習后，減少誤差值，保證安全評價(jià)結果和使用者期望值達成一致。
3.3神經(jīng)網(wǎng)絡(luò )的計算機網(wǎng)絡(luò )安全評價(jià)模型驗證
為確保計算機網(wǎng)絡(luò )安全模型的應用效能，在完成設計與學(xué)習工作后，對其進(jìn)行驗證，首先選取樣本數據，再將樣本數據輸入到模型中，通過(guò)模型內部檢驗分析，完成評價(jià)功能的應用，如果輸出的安全評價(jià)結果與期望值達成一致，則說(shuō)明基于神經(jīng)網(wǎng)絡(luò )的計算機網(wǎng)絡(luò )安全評價(jià)模型具有準確性，可以使用。
4結語(yǔ)
隨著(zhù)社會(huì )的發(fā)展，科學(xué)的進(jìn)步，越來(lái)越多的先進(jìn)信息技術(shù)和網(wǎng)絡(luò )技術(shù)得以應用，計算機網(wǎng)絡(luò )是一個(gè)復雜的系統，其中存在一定的風(fēng)險性，計算機網(wǎng)絡(luò )的安全問(wèn)題是目前亟待解決的關(guān)鍵問(wèn)題。在當前社會(huì )，神經(jīng)網(wǎng)絡(luò )技術(shù)廣泛應用于各大領(lǐng)域，將神經(jīng)網(wǎng)絡(luò )模型與計算機網(wǎng)絡(luò )安全相結合，遵守可行性、準確性、完備性、簡(jiǎn)要性、獨立性原則，構建一個(gè)網(wǎng)絡(luò )安全評價(jià)體系。有利于對計算機安全管理奠定基礎，基于神經(jīng)網(wǎng)絡(luò )的計算機網(wǎng)絡(luò )安全評價(jià)體系能使評價(jià)結果更具真實(shí)性和可靠性，但目前的神經(jīng)網(wǎng)絡(luò )技術(shù)并不十分成熟，根據其應用特點(diǎn)，將神經(jīng)網(wǎng)絡(luò )技術(shù)與其他技術(shù)相融合的發(fā)展問(wèn)題，仍值得廣大學(xué)者深入研究。通過(guò)本文的分析與研究，認識到神經(jīng)網(wǎng)絡(luò )的發(fā)展及特點(diǎn)，針對其功能的優(yōu)越性，加大對神經(jīng)網(wǎng)絡(luò )的重視，提高安全評價(jià)體系對環(huán)境的適應力，提升體系的容錯性，實(shí)現在線(xiàn)應用模式，促進(jìn)其在計算機網(wǎng)絡(luò )安全中的進(jìn)一步完善和發(fā)展，為計算機網(wǎng)絡(luò )安全評價(jià)提供保障，使神經(jīng)網(wǎng)絡(luò )在計算機網(wǎng)絡(luò )安全評價(jià)中發(fā)揮更大的作用。
【神經(jīng)網(wǎng)絡(luò )的特點(diǎn)分析論文】相關(guān)文章：
論文：我國度假旅游環(huán)境的特點(diǎn)分析與營(yíng)造05-29
傳統民居建筑美學(xué)特點(diǎn)分析論文（通用5篇）06-17
人工神經(jīng)網(wǎng)絡(luò )與車(chē)輛的結合論文11-26
環(huán)境科學(xué)人工神經(jīng)網(wǎng)絡(luò )運用論文11-25