本文關(guān)鍵詞：混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：提高邊際效益是高校資產(chǎn)資源配置優(yōu)化過(guò)程的最終目標(biāo),教育部每年的預(yù)算投入到各個(gè)高校,是學(xué)校從事教學(xué)科研最直接的保證,是其人才培養(yǎng)、師資隊(duì)伍建設(shè)和社會(huì)服務(wù)這些功能實(shí)現(xiàn)的基礎(chǔ)。隨著高等教育快速發(fā)展,如何評(píng)價(jià)高校資源配置情況,是合理使用資金、使得產(chǎn)出最大化的首要問(wèn)題。影響效益的因素往往存在與效益復(fù)雜的非線性關(guān)系。影響效益評(píng)價(jià)的因素,不能單單只用模糊性、隨機(jī)性來(lái)識(shí)別,變量往往同時(shí)包含模糊不確定性和隨機(jī)不確定性,我們稱之為“混合不確定性變量”。本章以含有變量的模糊不確定和隨機(jī)不確定的混合屬性變量問(wèn)題,討論構(gòu)建“混合不確定性神經(jīng)網(wǎng)絡(luò)”以解決系統(tǒng)中的模糊隨機(jī)性特點(diǎn),將使用Mamdani型模糊邏輯系統(tǒng)模型對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行系統(tǒng)建模,并用模塊化方法建立分塊神經(jīng)網(wǎng)絡(luò)集成系統(tǒng)輸出,主要工作如下:1、對(duì)于單一結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)樣本泛化能力差、收斂速度慢,容易陷入極小值問(wèn)題。面對(duì)復(fù)雜的混合事件,本文使用混合不確定性模塊化神經(jīng)網(wǎng)絡(luò),其容錯(cuò)能力、魯棒性、計(jì)算能力都有很大的提升。2、對(duì)同時(shí)包含隨機(jī)模糊等不確定性變量,提出同時(shí)考慮變量的模糊性與隨機(jī)性。例如模型里的指標(biāo)如“投入”、“國(guó)家定位”、“媒體關(guān)注”等變量不僅僅當(dāng)做確定型變量,增加對(duì)其模糊性與隨機(jī)性的考察,模糊域上的概率密度函數(shù)描述混合不確定性。3、結(jié)合模糊隨機(jī)系統(tǒng)與神經(jīng)網(wǎng)絡(luò)系統(tǒng)。根據(jù)模糊C-均值聚類中心來(lái)獲得模糊變量模糊隸屬度函數(shù)有關(guān)參數(shù),根據(jù)樣本最大隸屬度所屬類別提取模糊規(guī)則,使用Mamdani型模糊邏輯模型,獲取混合不確定性的邏輯規(guī)則集。建立單層的非線性BP神經(jīng)網(wǎng)絡(luò),并使用梯度下降法,修正網(wǎng)絡(luò)權(quán)值參數(shù),得到各個(gè)子網(wǎng)絡(luò)的輸出,集成模塊神經(jīng)網(wǎng)絡(luò)樣本得到總的輸出。4、采用模塊化混合不確定性神經(jīng)網(wǎng)絡(luò)進(jìn)行高校資源配置效益預(yù)測(cè)。根據(jù)樣本特征性質(zhì)分成若干類,建立若干個(gè)子模塊神經(jīng)網(wǎng)絡(luò)系統(tǒng),將復(fù)雜的問(wèn)題分解相對(duì)簡(jiǎn)單的若干個(gè)子問(wèn)題,有效的提高系統(tǒng)的學(xué)習(xí)能力,提高了高校效益預(yù)測(cè)的準(zhǔn)確率,證明了混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)在連續(xù)問(wèn)題的有效性。
【關(guān)鍵詞】：混合不確定性神經(jīng)網(wǎng)絡(luò) 模塊化神經(jīng)網(wǎng)絡(luò) 高校資源配置效益預(yù)測(cè)
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：G647.25;O211.5
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-15
• 1.1 引言10-11
• 1.2 研究背景11-13
• 1.2.1 選題研究背景11
• 1.2.2 理論研究背景11-13
• 1.3 本文解決的問(wèn)題及章節(jié)安排13-15
• 1.3.1 本文解決的問(wèn)題13-14
• 1.3.2 本文的結(jié)構(gòu)14-15
• 第二章 不確定性與模糊邏輯神經(jīng)網(wǎng)絡(luò)相關(guān)理論15-29
• 2.1 不確定性相關(guān)理論15-20
• 2.1.1 隨機(jī)集及相關(guān)理論15-16
• 2.1.2 模糊集合相關(guān)理論16-20
• 2.2 模糊邏輯神經(jīng)網(wǎng)絡(luò)20-25
• 2.2.1 模糊邏輯系統(tǒng)20-23
• 2.2.2 模糊邏輯神經(jīng)網(wǎng)絡(luò)23-25
• 2.3 模塊化神經(jīng)網(wǎng)絡(luò)25-28
• 2.3.1 模塊化神經(jīng)網(wǎng)絡(luò)的概念25-26
• 2.3.2 模塊化神經(jīng)網(wǎng)絡(luò)的構(gòu)建26-27
• 2.3.3 模塊化神經(jīng)網(wǎng)絡(luò)的應(yīng)用27-28
• 2.4 本章小結(jié)28-29
• 第三章 確定性模塊化神經(jīng)網(wǎng)絡(luò)高校效益預(yù)測(cè)建模29-52
• 3.1 高校資產(chǎn)資源配置項(xiàng)目研究背景29-39
• 3.1.1 高校資產(chǎn)資源配置研究思路29
• 3.1.2 高校資源配置效益評(píng)價(jià)29-36
• 3.1.3 高校資源配置效益預(yù)測(cè)研究36-39
• 3.2 模塊化結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法39-42
• 3.2.1 結(jié)構(gòu)學(xué)習(xí)算法39-41
• 3.2.2 參數(shù)學(xué)習(xí)算法41-42
• 3.3 模塊化BP神經(jīng)網(wǎng)絡(luò)高校效益預(yù)測(cè)42-51
• 3.3.1 數(shù)據(jù)預(yù)處理42-46
• 3.3.2 子網(wǎng)絡(luò)建模46-48
• 3.3.3 網(wǎng)絡(luò)集成48-51
• 3.4 本章小結(jié)51-52
• 第四章 混合不確定性模塊化高校效益預(yù)測(cè)建模52-71
• 4.1 模糊聚類相關(guān)算法理論53-54
• 4.1.1 模糊聚類53
• 4.1.2 模糊C-均值聚類53-54
• 4.2 概率模糊集54-58
• 4.2.1 混合事件的定義54-55
• 4.2.2 概率模糊集的性質(zhì)55-56
• 4.2.3 概率模糊集的計(jì)算56-58
• 4.3 混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)算法概述58-61
• 4.4 混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)高校效益預(yù)測(cè)建模61-70
• 4.4.1 數(shù)據(jù)預(yù)處理61-64
• 4.4.2 子網(wǎng)絡(luò)建模64-69
• 4.4.3 網(wǎng)絡(luò)集成與結(jié)果分析69-70
• 4.5 本章小結(jié)70-71
• 結(jié)論71-72
• 參考文獻(xiàn)72-74
• 附錄74-76
• 攻讀碩士學(xué)位期間取得的研究成果76-77
• 致謝77-78
• 附件78

【參考文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 張耿;概率模糊邏輯系統(tǒng)的理論研究及在復(fù)雜過(guò)程建模中的應(yīng)用[D];中南大學(xué);2012年

2 唐敏;混合不確定性表示及應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 陳應(yīng)俊;多目標(biāo)優(yōu)化的模塊化神經(jīng)網(wǎng)絡(luò)模型研究[D];華南理工大學(xué);2011年

2 鄧娜;模糊神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化約簡(jiǎn)及非線性逼近研究[D];華南理工大學(xué);2013年

  本文關(guān)鍵詞：混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：312344