数学建模 评价模型

小君在寒假已经和小伙伴们分享一些模型，今天小君要带给大家的是关于评价方面的模型。评价方面的模型主要分为两类，一类是主观赋权法，多数采用咨询评分确定权重，如层次分析法、模糊综合评判法等，还有一类就是客观赋权，根据各指标间相关关系或各指标值变异程度来确定权数，如主成分分析法、神经网络法等。

神经网络

神经元的连接方式不同，网络的拓扑结构也不同，人工神经网络的拓扑结构是决定人工网络特征的第二要素，根据神经元之间连接的拓扑结构不同，可将人工神经网络分成两类，即分层网络和相互连接性网络。

step1

从训练样本集中取某一样本，把它的输入信息输入到网络中。

step2

由网络正向计算出各层节点的输出。

step3

计算网络的实际输出和期望输出的误差。

step4

从输出层开始反向计算到第一个隐藏层，按一定的原则向减少误差方向调整整个网络的各个连接权值。

step5

对训练样本集中的每一个样本重复上述步骤，直到对整个网络训练样本集的误差达到要求为止。

优点

非线性映射能力

神经网络实质上实现了一个从输入到输出的映射功能，数学理论证明三层的神经网络就能够以任意精度逼近任何非线性连续函数。

自学习和自适应能力

神经网络在训练时，能够通过学习自动提取输出、输出数据间的“合理规划”，并自适应的将学习内容记忆与网络的权值中。

容错能力

如果局部或部分的神经元受到破坏对全局的训练结果不会产大的影响，也就是说即使系统在受到局部损伤时还可以正常工作。

缺点

■算法收敛慢

■结构不统一

■局部极小化

小君给大家带来了例题

网络的算法有点难哦，

小伙伴们可以看看例题，

自己思考思考，

也可以查阅资料，

还可以扫码，

获取资源哦！