税务研究 2002年 第11期
工作研究
应税销售额人工神经网络预测模型（*）
上一篇
下一篇
应税销售额人工神经网络预测模型（*）
一、bp神经网络模型工作原理
人工神经网络是对人脑结构的抽象和模拟，是由大量的处理单元广泛连接而成的，具有大规模并行处理和自学习功能，已在许多领域得到了成功应用。在众多的人工神经网络模型中，多层神经网络是模型建立中应用最多的一种。
bp（backpropagation）网络是神经网络中采用误差反向传播算法的前馈多层神经网络。通常由输入层、输出层和隐含层构成，隐含层可以不止一层，层与层之间的神经元采用全互连的方式联结，邻层间的神经元通过相应的联结权系数w相互作用，但是同层内的神经元之间没有联结。bp网络也可以看成是从输入到输出的一种非线性映射，通过向网络输入代表系统特征的样本集，经过多次训练学习网络具有了对学习样本的记忆和联想能力，确定各神经元的联结权w和阈值，得到系统的bp模型。网络学习过程包括信息正向传播和误差反向传播两个反复交替的过程。