BP人工神经网络在企业SWOT分析中的应用.pdfVIP

BP 人工神经网络在企业SWOT 分析中的应用 孟玲清，王晓雨，宋学娜 辽宁工程技术大学理学院，辽宁阜新（123000 ） E-mail ：menglingqing_99@163.com 摘 要：所谓的人工神经网络，是指基于模拟人脑智能特点和结构的一种信息处理系统，其 具有并行分布处理与存储、自组织、自适应和自学习功能，能分析较为复杂的非线性系统， 被广泛应用在各行各业。本文阐述了人工神经网络基本原理，研究了BP 算法在企业SWOT 分析中的应用。评价实例证明此方法的可行性。 关键词：人工神经网络，BP 算法，SWOT 分析 1. 引言 在分析了企业的外部环境与内部环境和能力之后，管理者需要评估组织面临的机会 （opportunities ）、威胁（threats ）、优势(strengths)、劣势(weaknesses)，并根据评估结果选 择合适的战略。这种通过分析企业外部环境识别机会与威胁，以及分析内部资源与能力识别 企业优势与劣势的方式通称为SWOT 分析[1] （SWOT analysis）。 在分析过程中，利用被分析对象表现出来的各种有用信息，经过适当地处理，做出正确 [2] [3] 的结论。本文在基于人工神经网络的基本原理 ，给出一定训练样本，并研究BP 算法 在 企业SWOT 分析中的应用。 2. 人工神经网络应用于SWOT 分析的基本原理 2.1 人工神经网络基本原理 [2] 人工神经网络 (Artificial Neural Network ．简称ANN),亦称为神经网络（Neutral Networks,NN ）,正是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功 能的神经网络。它是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功 能而建立的一种信息处理系统。它实际上是由大量简单元件相互连接而成的复杂网络，具有 高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。 按照网络的拓扑结构和运行方式，按照网络的拓扑结构和运行方式，神经网络模型分为 前馈多层式网络模型、反馈递归式网络模型、随机型网络模型等。目前在模式识别中应用成 熟较多的模型是前馈多层式网络中的BP 反向传播模型，其模型结构如图1 所示: 图1 典型BP 网络结构模型 - 1 - 2.2 反向传播学习算法（BP 算法） 2.2.1 BP 算法的原理 BP 网络模型处理信息的基本原理是：输入信号X 通过中间节点（隐层点）作用于输出 i 节点，经过非线形变换，产生输出信号Yk ，网络训练的每个样本包括输入向量X 和期望输 出量t ，网络输出值Y 与期望输出值t 之间的偏差，通过调整输入节点与隐层节点的联接强 [4] 度取值Wij 和隐层节点与输出节点之间的联接强度Tjk 以及阈值，使误差沿梯度方向下降 ， 经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。此 时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线形转 换的信息。 2.2.2 BP 算法的学步骤 [3] 下面给出BP 学习算法的步骤 ： (1)初始化 依据输入变