基于BP神经网络的美国人口预测模型

第 l卷 1

第3 4期

21年 1 0 1 2月

Vo. 1 No 3 De .2 1 11 .4 c 01

17— 11 (0 1 3 .65 0 6 1 85 2 1 ) 4 86 .3

S in e T c n lg n n i e r g ce c e h oo y a d E gn e i n

@ 2 1 SiT e. nr. 0 1 c. eh E gg

基于 B P神经网络的美国人口预测模型 李阳 (辽宁石油化工大学理学院,抚顺 130 ) 10 1

B P算法神经网络是一种曲线拟合方法,因为其内在的自适应性,以以任意精度逼近非线性系统。通过曲线拟合能可 B P算法美国人口 MA L B TA

够较好地反映社会自然现象的本质。把这一理论应用于美国人口预测模型,现了 B体 P神经网络在人口估计中的优越性。 关键词曲线拟合

中图法分类号 C2 . 72 943 1;/

文献标志码 A

B P神经网络法具有自适应特性,以自动地确可定数学模型,对试验数据进行拟合时,确度高,精受到众多学者的关注 _4。文献[,]神经网络进 lj _ 12对

差信号最小。实际上,误差达到人们所希望的要求 时,网络的学习过程就结束。 B P算法步骤分两阶段: 第一阶段 (向过程 )入信息从输入层经隐正输

行了理论分析和训练,从理论上讲,采用 B P算法训 练的神经网络就可以任意精度逼近任意的非线性系统。但是,实际的网络训练过程中,在由于 B P算法中搜索范围越大,而训练更易限人局部极小点从问题的影响,文献[]绍了 B 3介 P神经网络在 G S高 P程异常拟合中的应用。在此基础上,文将用最小本

层逐层计算各单元的输出值,根据下式计算每层的 输出值:

ni e=∑ D;=( t。 t , ̄j e) 其中 0为上一层第 i单元的输入, i对应的 个 W为 权值。

二乘法和 B P算法应用于美国人口模型特性研究 中,现 B体 P算法在某方面的优越性。

第二阶段 (向传播过程 )出误差逐层向前反输 算出隐层各个单元的误差,用此误差修正前层的并

1 B P神经网络 B P网络不仅有输入节点、出节点,且还有输而 一

值。在 B算法中常采用梯度法修正权值, P为此

要 求输出函数可微,常采用 Sg o通 im i d函数作为输出 函数。

层或多层隐含节点。在正向传播过程中,一层每

()误差E=1 ( )其中Y 1计算 ∑一, 是 目标输出,是网络输出。夕 ( )按照梯度方向计算各层权重的修正值: 2

神经元的状态只影响到下一层神经元网络。如果输出层不能得到期望输出,是实际输出值与期望就

输出值之间有误差,么转入反向传播过程,误那将 差信号沿原来的连接通路返回,过修改各层神经通

/ ==一 0。 t () w碱 其中 6的计算公式为 f — ) ( )输出层的计算方法一( 1一,

元的权值,逐次地向输入层传播去进行计算,经再过正向传播过程,这两个过程的反复运用,使得误 2 1年 9 5日收到, 1修改 01月 9月 3日国家自然科学基金 (0 7 0 8资助 22 3 2 )作者简介:李阳( 9O 17一),,男辽宁抚顺人,副教授,博士研究生,

【 1 ) , (一∑非输出计法。层的算方 ( )修正各层权重 (+ ) () A f ) 3 1= + w(。 f () 4重复上述过程直到算法收敛,即误差小于给定的阈值。

研究方向:数值代数、数学规划。E m i dw kn@s u t - a: a n ag o .o l h m。

基于BP神经网络的美国人口预测模型

Word文档免费下载Word文档免费下载:基于BP神经网络的美国人口预测模型 (共3页,当前第1页)

你可能喜欢

  • 神经网络预测模型
  • BP神经网络预测
  • Matlab神经网络工具箱
  • 神经网络代码
  • 人口预测模型
  • 人口增长模型数学建模
  • Logistic模型
  • 灰色神经网络模型

基于BP神经网络的美国人口预测模型相关文档

最新文档

返回顶部