神經(jīng)網(wǎng)絡(luò)內(nèi)部知識(shí)提取及其在企業(yè)財(cái)務(wù)預(yù)警中的應(yīng)用.pdf

1、長期以來，人們把神經(jīng)網(wǎng)絡(luò)經(jīng)訓(xùn)練而獲得的知識(shí)稱為隱知識(shí)或隱規(guī)則，很難為我們理解。因此，神經(jīng)網(wǎng)絡(luò)常常被稱為‘黑匣子’。多層感知器的內(nèi)部行為是神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用研究倍受重視的一個(gè)問題。在應(yīng)用中，人們不僅希望神經(jīng)網(wǎng)絡(luò)能實(shí)現(xiàn)從輸入變量到輸出變量的計(jì)算，而且還想知道它們所學(xué)到的知識(shí)的顯式表示，輸入與輸出變量之間究竟是什么樣的關(guān)系，即，希望用神經(jīng)網(wǎng)絡(luò)方法“從數(shù)據(jù)中自動(dòng)得出理論”，以便進(jìn)一步指導(dǎo)實(shí)際工作。 以前，曾在將隱神經(jīng)元Sigmoid激勵(lì)

2、函數(shù)近似表示為線性函數(shù)的情況下，找出了多層感知器輸出量與輸入量的近似函數(shù)關(guān)系。該方法所得結(jié)果有一部分具有應(yīng)用價(jià)值，但當(dāng)應(yīng)用問題具有強(qiáng)非線性時(shí)，所提取的知識(shí)可靠性差。在此基礎(chǔ)上，本文吸取國際學(xué)術(shù)界新的研究成果[1]，針對輸入輸出均為連續(xù)量的多層感知器應(yīng)用問題，利用隱神經(jīng)元激勵(lì)函數(shù)分段線性的近似表示方法，提取受訓(xùn)神經(jīng)網(wǎng)絡(luò)的內(nèi)部知識(shí)，從而得到研究問題中變量間的關(guān)系。本文開發(fā)了分段線性算法、多層感知器剪枝和內(nèi)部知識(shí)提出算法的軟件，并將此方法應(yīng)用