基于BP神经网络的船员适任性评价模型,本论文主要论述了神经网络论文范文相关的参考文献,对您的论文写作有参考作用。
神经网络论文参考文献：
摘 要：为弥补模糊综合评判等方法在船员适任性评价上的不足,采用BP神经网络的学习算法,建立船员适任性评价系统模型.通过分析影响船员适任性的主要因素,结合专家经验和统计数据,确定神经网络的神经元个数,取得训练样本,建立评价指标体系.借助于MATLAB,用某航运公司55份船员数据对神经网络进行训练得到的误差曲线表明,该方法对船员适任性可作出有效评价,具有实用价值.
关键词：船员适任性； 评价模型； BP神经网络； MATLAB
中图分类号：U676.2； TP183文献标志码：A
Model of crew competency evaluation based on BP neural network
HU Zhiwu, CHENG Baoming, CHEN Yancai
(Merchant Marine College, Shanghai Maritime Univ., Shanghai 201306, China)
Abstract：In order to compensate the inadequacy of fuzzy comprehensive evaluation in crew competency evaluation, the learning algorithm of BP neural network is adopted to establish the evaluation model of crew competency. By analyzing the main factors which may influence crew competency, and using the experts’ experience and the statistics, the number of neurons is determined, training samples are obtained, and the evaluation index system is established. The error curve obtained from neural network training by using the data of 55 seafarers of a shipping company with the help of MATLAB shows that this model can evaluate crew competency effectively and has practical value.
Key words：crew competency; evaluation model; BP neural network; MATLAB
引 言
1995年修正的《1978年海员培训、发证和值班标准国际公约》规定,船员通过主管机关组织的统一考试后可获取相应的适任证书；但此证书只能说明该船员已具备一定的、从事船上相应职务工作的专业水平,不包括对船员心理和身体素质等方面的评估,因此是船员适任的最低标准.船员适任性评价是一个对船员多方面素质的综合评价,有必要结合国内外法规和船公司在生产、经营、管理方面对船员适任能力的要求进行科学评价,使公约的适任标准与船公司实际任用标准有机结合.
国内外关于船员适任能力的研究很多,比较常见的船员适任能力评价方法有模糊综合评判、灰色理论和层次分析法等.［1］这些方法虽然克服其他评价方法的不足,自身还存在一些缺陷.例如,模糊综合评判法和灰色聚类评价法在建立隶属函数和白化函数时,需要同时对每一级别逐一建立相应的函数,过程较为繁杂；并且这些方法都将评价模型中指标权值的确定放在系统之外进行,计算复杂、求解烦琐,而被确定的权值是否公正可用、是否有效,也没有一个衡量的尺度.［2］
BP人工神经网络是一种模拟人脑信息处理方法的非线性系统.它通过样本数据训练神经网络,使其具有人脑的记忆和辨识能力,以及完成各种信息处理的功能.它具有良好的自学习、自适应、自组织、并行处理和非线性转换的能力,可以避免复杂的数学推导.它不需要对每一级别逐一建立相应的函数,在样本缺损和参数漂移的情况下,仍能保证稳定的输出.因此,本文尝试将BP人工神经网络应用于船员适任性评价系统.
1 BP神经网络评价模型
BP神经网络是一种多层前馈型神经网络,由于权值调整采用反向传播学习算法,也被称为BP网络（Back Propagation Network）.其神经元的传递采用S型函数,输出量为0～1之间的连续量,可以实现从输入到输出的任意非线性映射.
典型的BP网络结构见图1,是由输入层、中间隐含层和输出层等3个神经元层次构成的模型.［3-4］各层次的神经元间形成全互连连接,同层次内的神经元间没有连接.其基本思路是：输入信号从输入层输入,经隐含层的函数作用后到达输出层得到输出信号,然后将输出值与实际值的误差作反向传播,反复修改各层间的权值和阈值,直到网络全局误差最小.
图1 BP神经网络结构
BP神经网络的学习算法步骤如下：
（1）初始化,对所有连接权重赋予随机任意值,并对阈值设定初值； （2）给定最初的学习数据,即给出经预处理的训练样本集x
ml和相应的期望输出集y
ml,其中m和l分别表示样本数和输入向量数； （3）计算各层的输出O
pi；（4）计算各层误差；（5）反向传播,修正权值和阈值；（6）更新学习数据,重新随机选取1个模式对,返回到步骤（2）直至网络全局误差函数E小于预先设定的上网拟合误差,网络训练结束；（7）如果学习数据终止,则返回步骤（2）；（8）更新学习次数,进行下一次学习循环；（9）如果不满足设定的学习次数,则返回步骤（2）.
2 船员适任性评价指标体系的建立和BP网络结构设计进行船员适任性评估涉及大量不确定性因素.本文系统分析影响船员适任性的主要因素,通过广泛征求专家的意见,结合船员适任性评价和BP网络结构设计的先期研究［5-6］,建立评价指标体系,见表1.
表1 船员适任性评价指标体系一级指标心理生理工作业务二级指标性格X1情绪X2智力X3疲劳程度X4健康状况X5生理节律状态X6职业道德X7安全态度X8团队合作精神X9学历水平X
10英语交流能力X
11职务证书等级X
12海上工作经验X
13
确定评价指标的同时神经网络输入层的神经元个数也就被确定.由于输入样本为13维的输入向量,所以输入层共有13个神经元.
中间层的神经元个数很难确定,而这又在很大程度上影响网络的预测性能.中间层神经元个数的增加,虽然可以提高网络的映度,但并不意味着就一定会提高网络性能.因此,在设计BP网络时,不能无限增加中间的神经元个数.［ 7］
在确定网络中间隐含层神经元个数时,可以参考下面的经验公式进行粗略估计.n1等于n+m+a（1）式中：n1为网络的中间隐含层神经元个数；n为网络的输入层神经元数；m为网络的输出层神经元数；a是1~10的常数.
首先取15个神经元观察网络性能；之后,分别再取10和20个神经元,并与此时的预测性能进行比较,检验中间层的神经元个数对网络性能的影响.当网络误差最小时,网络中间层的神经元数目就是最佳值.经对比发现,取10和20时误差都比较大,中间层的神经元个数为15时网络的预测性能最好.
结论：关于对不知道怎么写神经网络论文范文课题研究的大学硕士、相关本科毕业论文神经网络论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
基于BP神经网络车牌识别技术算法分析
摘要：车牌识别是计算机视觉技术的一种典型应用，以机器视觉、图形图像、模式识别等为理论基础，采用神经网络、形态学、投影等技术实现车辆拍照、视频分解。
基于小波分析和GA—BP神经网络美元兑人民币汇率预测
[摘 要]运用小波分析的方法去除汇率曲线中的噪声，以此消除对预测精度不利的干扰部分。在把消噪后的序列投入BP神经网络和GA-BP神经网络中进行预。
基于遗传算法BP神经网络在权证定价中应用
摘要:对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一。传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具。
基于AHP和BP神经网络制造企业产品绿色评价
因为近期“十三五”五大发展之一“绿色发展”的提出以及我国长期可持续发展的需要，制造业越来越重视产品及其生产的绿色低碳可持续化，采用科学的评价方法。