[神经网络在财务的应用.pptVIP

神经网络 (Neural Network，NNet) BP算法基本步骤 神经网络在财务方面的应用 神经网络研究方向 主要内容 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 神经网络(Neural network，NNet) 是人工智能中研究比较成熟的技术。 神经网络最早是由心理学家和神经生物学家提出的，旨在寻求和测试神经的计算模拟。 神经网络是一组连接的输入/输出单元，其中每个连接都与一个权值相连。在学习阶段，通过不断调整神经网络的相连权值，使得能够正确预测输入样本的正确类标号。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 神经网络系统是由大量的、同时也是很简单的处理单元( 或称神经元) 广泛的相互连接而形成的复杂网络系统,在研究方法上强调综合而非分解。一般认为, 神经网络系统是一个高度复杂的非线性动力学系统, 除了具备非线性系统共性以外, 更主要的是具备其自身的特点, 即高维性、神经元之间的广泛互连性、自适应性、自组织性等等。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. NNet 神经网络通常由输入层、输出层和隐藏层组成，输入层的神经元个数等于样本的特征数， 输出层就是分类判决层，它的神经元个数等于样本的类别数。 特点：对噪声数据具有较高的承受能力，但训练需要花费较长的时间。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 至今为止, 学者们已经提出了多种神经网络模型, 如自适应共振理论模型(ART ) 、雪崩模型( AVA) 、反向传播模型(BP, 一种多层结构的映射网络, 是目前应用最广泛的一种神经网络模型之一) 、重复传播模型(CPN) 、感知机模型(PTR) 、自组织映射模型(SOM) 等等 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. NNet 目前最流行的神经网络学习算法是：后向传播算法（Back-propagation, BP）。 它通过迭代地处理一组训练样本，将每个样本的网络预测与实际知道的类标号比较，进行学习。对于每个训练样本，修改连接权值，使得网络预测与实际类之间的均方误差最小。 这种修改“后向”地进行,即由输出层，经由每个隐藏层，到第一个隐藏层。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. BP算法基本步骤 1．初始化网络各层的权值及神经元阈值。（一个小的随机数） 2. 向前传播输入：对每一样本，计算隐藏层和输出层每个单元的净输入和输出。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. BP算法基本步骤 3. 后向传播误差 通过更新权值和偏置以反映网络的预测误差。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. BP算法基本步骤 终止条件： 更新权值较小 正确分类的样本百分比 超过预先指定的训练周期（实践中，权收敛可能需要数十万个周期） Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyrig