第四章智能技术的决策支持和智能决策支持系统4.ppt

决策支持系统及其开发(3)部分内容4.4神经网络的决策支持神经元由细胞体、树突和轴突三部分组成；
细胞体对接收到的信息进行处理；
轴突是较长的神经纤维，是发出信息的；
树突的神经纤维较短，是接收信息的；
一个神经元的轴突末端，与另一个神经元的树突之间密切接触，传递神经元冲动的地方称为突触。神经元具有如下性质：
（1）多输入单输出；
（2）突触具有加权的效果；
（3）信息进行传递；
（4）信息加工是非线性。
1、神经元的数学模型MP（神经元的数学模型）模型方程为：

其中Wij是神经元之间的连接强度，
Wii＝0，Wij（i≠j）是可调实数，由学习过程来调整。2、神经元作用函数神经元作用函数3、学习规则4.4.2反向传播模型(BP模型)2.作用函数为(0,1)S型函数公式推导思想是：修正网络权值与阈值，使误差函数沿梯度方向下降。
BP网络表示：输入结点xj，隐结点yi，输出结点Ol，输入结点与隐结点间的网络权值为Wij，隐结点与输出结点间的网络权值为Tli，输出结点的期望输出为tl。
2.输出结点计算输出：3.输出结点的误差公式：1.输出结点输出Ol计算公式
（1）输入结点的输入xj
（2）隐结点的输出：其中一个样本误差：
3、隐结点层（输入结点到隐结点间）的修正公式

（1）误差公式：误差反向传播示意图按问题要求，设置输入结点为两个（x1,x2），输出结点为1个（z），隐结点定为2个（y1，y2），各结点阈值和网络权值见图说明。计算机计算结果
迭代次数：16745次；总误差：0.05
隐层网络权值和阈值：
w11=5.24
w12=5.231=8.01
w21=6.68
w22=6.642=2.98
输出层网络权值和阈值：
T1=-10T2=10=4.79 一、神经网络专家系统特点
1.神经元网络知识库：为神经元之间的连接强度（权值）。这种知识是分布式存储的，适合并行处理。
2.推理机：是基于神经元的信息处理过程。它是以ＭP模型为基础的，采用数值计算方法。3.成熟的学习算法：感知机采用delta规则；BP模型采用误差沿梯度方向下降、以及隐节点的误差由输出结点误差反向传播的思想进行的。
４.容错性好：由于信息是分布式存贮，在个别单元上即使出错或丢失，所有单元的总体计算结果，可能并不改变。二、神经网络专家系统结构（一）确定系统框架
1.完成对神经元网络的拓朴结构设计：
（1）神经元个数
（2）神经元网络层次
（3）网络单元的连接
2.确定神经元的作用函数和阈值
作用函数用得较多的有两种：
（1）阶梯函数（2）S型函数
阈值的选取可为定值如i=0或i=0.5，或者进行迭代计算。（二）学习样本
学习（训练）样本：实际问题中已有结果的实例。
（三）学习算法
不同的网络模型采用不同的学习算法，但都以Hebb规则为基础。
1.Perception(感知机)模型：采用delta规则。
2.Back-propagation(反向传播)模型：采用误差反向传播方法。
（四）推理机
推理机是基于神经元的信息处理过程。
1.神经元j的输入：
其中，Wjk为神经元j和下层神经元k之间的连接权值。Ok为k神经元的输出。
2.神经元j的输出:Oj=f(Ij-j)
j为阈值，f为神经元作用函数。（五）知识库
知识库主要是存放各个神经元之间连接权值。
由于上下两层间各神经元都有关系，用数组表示为(Wij)
i行对应上层结点，j列对应下层结点。（六）输入模式转换
实际问题的输入，一般是以一种概念形式表示，而神经元的输入，要求以(-∞,∞)间的数值形式表示，因此需要将文字概念转换成数值。
建立两个向量集：
（1）实际输入概念集：各输入节点的具体物理意义。
（2）神经元输入数值集：各输入节点的数值。（七）输出模式转换
实际问题的输出，一般也是以一种概念形式表示。而神经元的输出，一般是在[0,1]间的数值形式，这需要将数值向文字概念的转换。城市医疗服务能力评价系统。
5个输入：病床数、医生数、医务人员数、门诊数和死亡率；
4个输出：级别v、g、a和b；
建立一个三层神经元网络。
训练样本（集）:10城市的数据,训练后可对其它城市进行评价。
输入输出模式转换：文字概念的数值转换。输入节点数据范围范围(-∞,∞)，输出数据范围[0,1]。
输入节点：五个节点分别表示五个指标，每个指标节点都有v,g,a,b四种可能。城市医疗服务能力训练集文字概念的数值转换的五方案：
方案1：v=3g=1 a=-1b=-3
方案2：v=1.5g=0.5 a=-0.5b=-1.5
方案3：v=6g=2 a=-2b=-6
方案4：v=1g=0.66a=0.33b=0
方案5：v=10g=7 a=4 b=1
计算结果表明，方案2收敛最快Count=360，计算结果也很