Chapter 10：智能综合评价方法.pptVIP

综合评价方法 何永秀博士 教授 华北电力大学 经济与管理学院 Overview Chapter 10：智能化综合评价方法 问题 当权重难以决定，如何由部分评价对象到全体评价对象？ -所有评价对象抽取样本 -通过智能分析方法获取权重等综合评价的知识； -对所有评价对象进行评价 人工神经网络评价法 非线性数学模型； ANN由大量与自然神经细胞类似的人工互联而成的网络，学习和培训-经验-知识-判断与评价； 人工神经网络评价法通过神经网络的自学习、自适应能力和强容错性，建立更加接近人类思维模式的定性和定量相结合的综合评价模型。 训练好的网络把专家的评价思想以连接权方式赋予于网络上。 BP神经网络 BP神经网络，即多层前馈式误差反向传播神经网络，是人工神经网络中最具代表性和广泛应用的一种，其结构简单，可操作性强，能模拟任意的非线性输入输出关系 。 BP神经网络通常由输入层、输出层和若干隐含层构成，每层由若干个结点组成，每一个结点表示一个神经元，上层结点与下层结点之间通过权联接，同一层结点之间没有联系。 BP神经网络模型结构 BP神经网络算法 神经元输入、输出关系 传递函数 传递函数：对数S型（logsig） 双曲正切S型（tansig） 线性等等。 传递函数-激励函数 权值修正 –反向 BP神经网络模型的算法流程 BP神经网络模型设计 网络层数的确定：网络层数与隐含层元个数； 输入神经元个数：随评价目的定。 隐含层神经元个数-n输入，m输出，a常数 BP神经网络模型设计 激励函数选择:logsig、purelin 学习速率一般取（0.01，0.8） 训练函数选择: （一）普通： 批梯度下降函数（traingd）； 动量批梯度下降函数（traindm）； （二）快速： 自适应修改学习率算法(traingda， traingdx) 有弹回的BP算法(trainrp)。 … 面向MATLAB的BP神经网络设计 神经网络工具箱:net=newff net=newff(PR,[S1 S2 …SN],{TF1,TF2…TFN},BTF,BLF,PF) PR输入向量的取值范围； Si 第i层的神经元个数，总共N层； TFi 第i层的激励函数，缺省值为 “tansig”； BTF神经网络训练函数，缺省值为“trainlm”； BLF神经网络权值和阈值的学习函数，缺省值为 “learngdm”； PF性能函数，缺省值为 “m s e ”； 执行结果：创建一个N层的BP神经网络。 面向MATLAB的BP神经网络设计 训练命令：train(), adapt() 仿真：sim() 绘图函数poltperf可以用来计算网络性能曲线。 径向基网络的神经网络工具箱函数 径向基（RBF）网络是以函数逼近理论为基础构造的一类前向网络。具有结构自适应确定、输出与初始权值无关的优良特性，在多维曲面拟合、故障诊断应用广泛。 [net,tr]=newrb(P,T,GOAL,SPREAD,MN,DF) P:输入；T：目标输出；GOAL：均方差； SPREAD：径向基函数的扩展速度； MN：神经元的最大数目，默认25； DF：两次显示添加的神经元数目； net:返回值，一个径向基（RBF）网络； tr：返回值，训练记录。 ANN问题 局部极小 隐含层节点个数确定问题 GA BP+GA 均方误差函数MSE的倒数作为遗传算法的适应度函数。在遗传操作的每一代中，对每一条染色体进行译码得到相应权值和闭值，并根据权值和闲值计算出相应个体的适应度，当个体适应度值满足优化准则，则停止执行遗传操作，否则一直执行，直到执行遗传代数达到最大代数为止。最后记住该模型的网络结构、权值和阂值，最后用测试数据来评价整个网络的优劣。GA一BP技术继承了遗传算法全局有哪些信誉好的足球投注网站功能强和BP神经网络局部有哪些信誉好的足球投注网站能力强的特点，实现了快速高效的全局寻优。 GA优化BP神经网络参数 GA优化BP神经网络参数 FA+BP 对定性指标进行模糊化处理，指标综合化等等。 粗糙集RS+BP/RBF 把粗糙集RS作为模型的前置系统进行属性约简，消除样本冗余，减少BP神经网络输入维数和隐含层神经元权值连接的个数，从而达到提高BP神经网络训练速度、运行速度和评价精度的目的。 RS：不确定或不精确知识的表达;经验学习并从经验中获取知识;不一致信息的分析;根据不确定、不完整的知识进行推理;近似模式分类;识别并评估数据之间的依赖关系。 软件：ROSETTA 支持向量基SVM 支持向量机是由Vapnik 及其合作者提出的一种创新性机器学习方法，其理论基础是统计学习理论。 SVRM求得的回归函数形式上类似于一