基于管理软件对人工神经网络的一点理解

摘 要 现代信息化时代，企业光靠人为管理是不够的，专业化、规范化的办公管理软件可以助我们达到事半功倍的效果。简单来说，管理软件就是用来解决管理问题的软件系统，管理软件是一个EXCEL的小插件工具，利用神经网络这个工具可以帮助用户解决诸多管理问题，尤其是那些长期难以解决的管理难题。

关键词 管理软件 人工神经网络算法

一、对管理软件的认识

管理软件的直接用途就是让用户的管理要求能够得到实际落地的贯彻执行，从根本上讲这个过程是通过管理信息化实现的，而管理软件的核心工具就是管理信息化。

基于模块角度来划分，可以将企业管理软件划分为资产管理、设备管理、成本管理、进销存管理、供应链管理、行政办公管理、客户关系管理、知识管理、财务管理、人力资源管理等多项分支。

二、神经网络算法的理解

通过对神经网络算法领域的研究，可以将基本学习方法划分为无教师学习方法与有教师学习方法两种：

第一，无教师学习方法。主要是将实例模式输入到神经网络后，根据事先设定的规则对权值进行调整。

第二，有教师学习方法。首先是输入实例K，根据权值分布W（K）来对输出Y（W，K）与实例K的期望输出Y*（K）对比，在此基础上对网络的权值分布进行调整，进而达到函数值差最小的目标。

（一）神经网络的专家算法

基于神经网络的知识表示方法所拥有的优点包含以下几个：

第一，易于实现知识的自动获取。

第二，易于网络的知识推理。

第三，易于知识的组合。

第四，可以对食物的复杂关系进行表示。

（二）神经网络专家系统与一般专家系统的不同

相对于一般专家系统来说，神经网络专家系统差别较大，具体包含以下几点：

第一，神经元知识库可以执行并行处理，并且采用的是分布式存储。

第二，神经元网络的学习算法相对成熟。

第三，具有较好的容错性。

基于神经元的信息处理过程形成了推立机。

三、以城镇居民生活质量水平指标评价模型的建立为例

（一）基于模糊综合评价法计算的城镇居民生活质量水平指标值：

首先对下述表格中的8个指标赋权重值，本文采用的权重值为近似的公认的城镇居民生活质量水平很高的城镇居民平均消费结构数据。如表1：

为了使所求综合隶属度值更具合理性、可比性和实用性，我们假设了两种极端情况下的地区城镇居民生活水平状况，即最低值和短期内不会实现的较高值。如地区1的所有因素指标值均为0，而地区2的因素指标值为较高值。

其次建立各评估要素的隶属度函数：

如食品（X1）要素隶属度函数y（x）的建立如下（数据见附表）：

y（xi1）=（xi1-0）/（13500-0） 0≤x≤13500 i=1、2……217

依照上述函数求得的各城市的食品项因素的隶属度值依次为：y（x11）=0.0000、y（x21）=1.0000、

y（x31）=0.1467、y（x41）=0.0459、y（x51）=0.1701……y（x2191）=0.1417（计算过程略）。

其他要素隶属度函数的建立及求值同理。

利用上述值乘以0.27，我们可以得到不同城镇居民的食品支出对其生活质量水平的贡献值或影响程度值分别为0.0000、0.2700、0.0396……0.0383。

衣着、居住等因素对居民生活质量水平的贡献值或影响程度值的计算同上。

将上述所求得的各项因素对居民生活质量水平的贡献值或影响值加总求和，可以得到能够反映各地区人民生活质量水平的综合隶属度值，也即所要求的可以用来衡量城镇生活质量水平的指标值。依次为0.0000、1.0000、0.0983、0.1068……0.1127（数据见附表）。

生活质量指标值很好地反映了不同地区各自的人民生活水平状况，也直观地反映了不同地区之间的差距，便于我们进行比较和评价（因本文所选理想城镇居民的消费水平很高，所以没能把所求的真实情况中各城镇的指标值的距离拉开）。

（二）基于BP神经网络模型计算的生活质量指标值

使用braincel来实现基于BP算法的三層前馈神经网的功能，其工作原理如下：假设输入向量为X=（x1，x2，…，xi，…，xn）T；隐层输出向量为Y=（y1，y2，…，yj，…，ym）T；输出层输出向量为O=（o1，o2，…，ok，…or）T。期望输出向量为d=（d1，d2，…，dk，

…dr）T。用V来表示隐层与输入层间的权值矩阵，其中V=（V1，V2，…，Vj，…Vm），Vj为隐层第j个神经元对应的权向量；另外，用W代表输出层与隐层间的权值矩阵，具体为W=（W1，W2，…，WK，…，Wr），WK为第k个神经元所对应的权向量。它们之间的关系：

其中转移函数为：f（x）=1÷（1+e-x） （5）

以上算式（1）～（5）为三层前馈网络的数学模型。

四、在使用神经网络时有几点需要注意

在对神经网络运用的过程中，所需要注意的问题包含以下几点：

其一，要解释神经网络是非常困难的，并且截至目前并没有针对神经网络形成较为简便的方法学。

其二，排除较为简单的问题，要对一个神经网络进行训练，则需要花费一定的时间。但在建立好神经网络后，将其运用在预测工作当中，其处理速度是非常快的。

其三，需要选择合理、恰当的训练神经网络，并对神经网络的方法进行严格的控制，具有代表性的有交叉验证法、测试集方法等，其根本原因是神经网络具有可变参数过多、过于灵活等特征，几乎能够对所有事情加以“记录”。

（作者单位为湖北职业技术学院）

[作者简介：郑敏（1987—），女，硕士研究生，讲师，研究方向：财务会计。]

参考文献

[1] 周政. BP神经网络的发展现状综述[J].山西电子技术，2008（2）.

[2] 黎鹏.基于BP神经网络、蒙特卡罗模拟与核估计的经济增长预测研究[J].价值工程，2009（7）.

[3] 李翱翔，陈健.BP神经网络参数改进方法综述[J].电子科技，2017（2）.

[4] 韩力群.人工神经网络教程[M].北京邮电大学出版社，2017.