基于 BP 神经网络的笔记本电脑评测体系.doc

精品论文基于 BP 神经网络的笔记本电脑评测体系邹春毅 1，张楠 21 辽宁工程技术大学理学院，辽宁阜新 (123000)2 鞍山师范学院物理系，辽宁鞍山 (114007)E-mail：zmafly摘要：人工神经网络起源于20世纪，它是当今世界关注的高科技热点，并开始显示出美好 的广阔的应用前景。现如今已经应用到人们生产生活的各个方面。特别是在智能化控制，非线性函数逼近，以及环境参数预测评估等方面起着重要的作用。与人脑的作用机理类似，一个神经网络完成任务的过程包括学习（训练）过程和使用（回忆或联想）过程。一般来说， 只有经过充分学习的神经网络人们才能放心使用。本文利用BP神经网络来评价笔记本电脑总体性能的好坏，从而对笔记本进行选择时能做出更好的决策,最后用MATLAB神经网络工具箱 对该问题进行了模拟和仿真。关键词：BP 神经网络；笔记本电脑；评价1. 引言随着社会经济的发展，笔记本电脑已经变得越来越普及，生产的厂商也是越来越多，同 时不同的厂商又生产适合不同人群、不同性能、不同价格的笔记本电脑。究竟买什么型号、 什么配置的电脑，对于消费者而言是必须考虑的。而不同层次具有不同的性价比、不同的外 观设计等，综合这些因素评价出那些是好的，那些是不好的，建立这一个评价体系对于消费 者是十分必要的。BP 学习算法是一种多层前馈网络使用的的监控式学习算法，相应的神经网络也称BP 网络1。通常所说的BP 模型即误差反向传播神经网络是神经网络模型中使用最广泛的一类。 本文利用BP神经网络建立一个笔记本电脑评价系统，对已知参数的笔记本进行综合评价2。2. 相关知识介绍2.1 BP人工神经网络人工神经网络（Artificial Neural Networks, ANN)，一种模范动物神经网络行为特征， 进行分布式并行信息处理的算法数学模型3。BP（Back Propagation）网络是1982 年由Rumelhart 和McCelland 为首的科学家小组 提出，是一种按误差逆传播算法训练的多层前馈网络。BP 网络能学习和存贮大量的输入- 输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最 速下降法，通过反向传播来不断调整网络的权值和阈值，其思想是使用梯度搜索理论，使网 络的误差平方和最小。BP 神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和 输出层(output layer)。其网络结构4如图1所示：-5-y1y2y n输出层隐层输入层x1x2xm图1 三层BP网络结构图2.2 BP网络学习法步骤（1）初始化 在依据实际问题（输入变量和输出变量个数）给出网络连接结构，随机地设置所有联接权值为任意小。（2）提供训练样本i如果输入变量为 n 个，输出变量为 m 个，则每个训练样本形式为( x1 , x2 ,，x n ; t1 , t2 ,，tm ) ，这里的 t1 , t2 ,，tm 是 x1 , x2 ,，x n 的期望输出结果。（3）计算实际输出利用非线性函数 yi= 1 + exp(ijix )1 逐级计算各层节点（不包括输入层）的输出值，令最后的输出为 o1 , o2 , om 。（4）权值调整用递归方法从输出点开始返回到隐层节点，按下式调整权ij ( N + 1) = ij ( N ) + oi j这里 oi 是上层第i个节点的输出。若j是输出层节点，则 j= o j (1 o j )(t j o j ) ；若j是隐层节点，则 j有节点。= o j (1 o j ) k jk ，其中k 是节点j所在层次的下层次的所k（5）返回（2）步，重复之，直到误差e满足为止5。3. BP神经网络的应用3.1 网络的建立通过在网络调查可知，顾客们在选择笔记本的时候首先选择的是笔记本的牌子，这里为了方便只选择联想品牌笔记本电脑。顾客在确定牌子后会选择自己适合的价格范围及性能，所以我们确定其为性价比因素，之后顾客会选择笔记本的特殊功能（如：指纹识别，摄像头 等）、外观设计、电池供电能力(笔记本能够使用电池正常工作的时间)等这都归为我们要评 价的因素。所以在本文里我们选择“性价比”，“特殊功能”，“外观设计”，“电池供电 能力”作为决定因素。这里我们设：x1 表示性价比； x2 表示特殊功能；x3 表示外观设计； x4 表示电池供电能力；该四个因素作为 BP 网络的输入，令它们的取值在01 之间。设网络的输出变量设为4 个，即：y1 表示总体来说笔记本好； y2 表示总体来说笔记本较好；y3 表示总体来说笔记本一般； y4 表示总体来说笔记本差； 该网络采用两个输出节点，分别设这四类的输出值为：y1 =(1,1),y2 =(1,0),y3 =(0,1),y4 =(0,0)。本文从中关村在线采集了联想10种笔记本电脑作为研究对象，并将相应的原始数据归一 化6，结果见表1。表1 归一化的样本数据笔记本序号x1x2x3x4y10.450.510.710.53（1，0）20.370.810.690.49（1，0）30.580.470.230.77（0，1）40.880.610.510.62（1，1）50.310.570.560.58（0，1）60.640.320.340.46（0，0）70.710.440.810.82（1，1）80.390.790.480.57（0，0）90.730.520.460.69（1，0）100.640.580.330.41（0，0）3.2 利用MATLAB编写程序训练网络TRAINLM, Epoch 0/1000, MSE 2.281/0.001, Gradient 52.3102/1e-010TRAINLM, Epoch 5/1000, MSE 0.00338155/0.001, Gradient 1.97109/1e-010TRAINLM, Epoch 7/1000, MSE 1.62928e-006/0.001, Gradient 0.0386134/1e-010TRAINLM, Performance goal met.误差曲线见图 2。3.3 网络模型评估与验证图 2 网络误差图期望输出与实际输出的结果对比见表 2。表 2 期望输出与实际输出笔记本电脑序号期望输出实际输出1(1,0)(0.9996, -0.0007)2(1,0)(0.9990, -0.0017)3(0,1)(0.0002, 0.9983)4(1,1)(0.9979, 0.9972)5(0,1)(0.0001, 0.9992)6(0,0)(-0.0009, -0.0002)7(1,1)(0.9996, 0.9990)8(0,0)(-0.0008, 0.0004)9(1,0)(0.9978, 0.0009)10(0,0)(-0.0014, -0.0013)如表 3-2 所示，该网络可行。4. 总结本文通过BP神经网络建立模型，建立出笔记本电脑的综合评价体系。需要指出的是BP 网络本身还存在着一些缺点，如收敛缓慢，易陷入局部极小,对初值要求严格等；这将对它 在解决某些特殊的复杂问题上产生不利影响。参考文献1 郭嗣琮，陈刚. 信息科学中的软计算方法M. 沈阳: 东北大学出版社, 2001.112 王旭，王宏，王文辉. 人工神经元网络原理与应用M. 沈阳：东北大学出版社, 2000.12 3 党建武. 神经网路技术及应用M. 北京:中国铁道出版社, 2000.7.4 於世为，诸克军. 基于主成分人工神经网络的人力资本预测J. 系统工程理论方法应用, 2006, 15 (4):329-3315 张文修等. 模糊数学引论M. 西安: 西安交通大学出版社, 1991.66 张跃等. 模糊数学方法及其应用M. 北京: 煤炭工业出版社, 1992.4Notebook Computer Appraisal System Based onBP Neural NetworkZou Chunyi1, Zhang Nan21 College of science, Liaoning Technical University, Liaoning,Fuxin (123000)2 Department of Physic, Anshan Normal University, Liaoning, Anshan (114007)AbstractANN originated in the 20th century, it is the high-tech hot spots to the world, and started to show the good and broad application prospects. Now it has been applied in all aspects of life and production,especially in intelligent control, nonlinear function approximation, and environmental parameters forecast assessment. Be similar to the humans brain mechanism, a neural network complete the tasks by the process of learning (training) and use (associative memories). Normally, the neural network can be assured used only after thorough study. Judges the notebook computer overall through the BP nervenetwork model the quality, when the match machine carries on the choice can make a betterdecision-making. At the end of this paper, the problem was simulated with the Neural NetworkToolbox of MATLAB.Keywords: BP neural network; notebook computer; appraise