论文人工神经网络在湖北省地区生产总值拟和中应用是关于本文可作为相关专业人工神经网络论文写作研究的大学硕士与本科毕业论文神经网络与深度学习论文开题报告范文和职称论文参考文献资料。
[摘 要]在“十二五”背景下,湖北省作为华中地区的重要省份,发挥着不可替代的作用.地区生产总值是衡量一个省份综合经济水平的重要因素,从而备受关注.神经网络,作为复杂非线性数据处理的方法之一,相比于传统的回归分析对多元非线性关系的拟合效果更好.因而本文借助人工神经网络对湖北省的地区生产总值进行了拟合,发现,进出口、地方一般预算收入、工业总产值、投资等对其影响较大,且检验组的误差均在5%以内,拟合效果较好,另外这和凯恩斯的理论也是相符合的.本文在此基础上提出了相应的政策建议,如保持投资增长力度,调整地方收入的流向,调整政府支出比例等.
[关键词]人工神经网络；湖北省；地区生产总值
1.引言
在“十二五”的背景下,我国经济发展处于快速发展时期,长期向好的态势基本不变.湖北省作为我国经济社会发展的重要省份,华中地区的金融和工商业中心,更应抓住机遇.在充分认识到大好形势的同时,更应清醒的认识到机遇和挑战并存,湖北省经济社会发展在“十二五”时期将面临新的挑战.地区生产总值（GDP）作为湖北省经济发展的综合指标,具有较强的分析意义.那么影响湖北省GDP的主要因素有哪些,如何从这些方面加快湖北省经济发展都将成为本文的研究重点.
一个地区的经济状况受多种因素影响,相比于一般的回归分析而言,这种多元非线性关系更适合用神经网络进行拟合.神经网络这种更善于处理复杂非线性数据的特性使得他对地区经济水平的拟合更具优越性.[1]
2.BP神经网络
神经网络提出了一种数学模型,它试图去模仿人类的大脑.知识经常表现为相互连接的处理单元的层次集合.这些处理单元结点通常称作神经元,来表明脑神经之间的关系.每个节点和邻近层次上的其它结点之间具有加权连接.各个结点从相连接的结点获取接受的输入,并结合一个简单函数,使用权值来计算输出值.[2] [3]
神经网络的学习算法有多种,根据所研究问题的性质和神经网络的有关理论,本文采用BP神经网络的结构形式.下面将对BP神经网络的算法进行介绍.[1]
2.1BP神经网络
BP神经网络是前馈神经网络中的一种,用于解决非线性的模型识别和分类拟合问题,结构如图1所示.最基本的BP网络,即3层前馈网络,是由输入层、隐层和输出层组成,每层有若干个互不相连的神经元节点,相邻两层节点通过权值连接.
2.2BP神经网络的算法
本文以包含一个隐藏层的模型为例,对BP神经网络进行介绍.设输入层有3个结点,为结点1、结点2、结点3；隐藏层有2个神经元,为结点j和结点i；输出层有1个输出神经元结点.如图1所示：
图1 BP神经网络基本模型
其中,xi表示输入层的第i个结点的值,wij表示结点i和结点j之间的突触权值,设结点K的输出值为T.
u表示神经元的输入,v表示激励输出,u,v的下标表示某个神经元.神经元的激励函数默认为Sigmoid函数.
具体算法步骤如下：
第一步：将该例反馈给网络,并确定结点K的计算输出,并用Sigmoid函数来计算所有输出值,算法如下：
第三步：反向传播过程的最后一步是更新和各个结点连接相关的权重.使用由Widrow和Hoff开发的规则进行权重校正,规则的目标为最小化平方误差和,该误差被定义为计算2.3BP网络的一般算法步骤
2.4节中给出了一个BP网络的案例,下面将介绍更为复杂的BP网络的一般算法步骤：
①参变量设置：
为输入向量,或称训练样本,N为训练样本的个数.
为第n次迭代时输入层和隐层I之间的权值向量.
为第n次迭代时隐层I和隐层J之间的权值向量.
为第n次迭代时隐层J和输出层之间的权值向量.
为第n次迭代时网络的实际输出.为期望输出.其中,m为迭代次数,为学习速率.
②将数据初始化,并各自赋给一个相对较小的随机非零值.
③随机地输入样本xk,且n等于0.
④并前向计算BP网络中每层神经元的输入信号u和输出信号v.这里 （12）
⑤通过期望输出dk和上一步求得的实际输出来计算误差,判断计算结果是否满足要求,若满足则转至第八步,否则转至第六步.
⑥判断n+1是否大于最大迭代次数,若大于则转至第八步,否,则对输入样本xk反向计算每层神经元的局部梯度.其中：
⑦ 计算权值修正量,并修正权值：n等于n+1,进而转至第四步.
⑧判断是否是所有的训练样本,是则结束,否则转至第三步.
3.BP神经网络在湖北省地区生产总值拟合中的应用
3.1拟合指标选取
影响地区生产总值的因素较多,本文从居民消费,人口水平,进出口,旅游等方面选取了14个指标来对地区生产总值的变动趋势进行拟合,为工业总产值、进出口合计、投资额、旅游总收入、人口自然增长率等,这些指标和地区生产总值密切相关.数据来源于湖北统计局2011年统计年鉴[4],所用软件为SPSS.Clementine12.0.
3.2拟合指标数据处理
由于原始数据量纲不同和指标数值存在数量级的明显差异,且传递给神经元的输入信号的值必须是数值型的且落在[0,1]闭区间中.因此,对于不满足这一要求的连续型数据,首先要进行数据的转换.[5]
本文通过下面的公式（19）进行转换
其中,xmin和xmax分别是属性X的全部取值中的最小值和最大值, xi是某个样本的属性X的取值,就是转换后的属性值.显然,落在[0,1]区间内.这一转换也使得所有的连续型属性具有了统一的测度.
3.3拟合指标体系的神经网络方法及结构
总结:本论文可用于人工神经网络论文范文参考下载，人工神经网络相关论文写作参考研究。
参考文献：
1、 人工神经网络预测混凝土柱屈服性能 摘 要：建立了一种基于人工神经网络的矩形混凝土柱屈服性能预测方法 该方法采用经验模型进行柱屈服性能影响因素的分析来确定该神经网络的输入参数，并通。
2、 基于OpenCV的人工神经网络人脸面部表情识别 摘要：为克服传统模板匹配方式识别人脸面部表情存在的缺陷，以便更好地进行人机交互，采用Bp神经网络技术，有效快速获取不同面部表情的特征，进而对面部。
3、 基于Elman神经网络的非线性函数拟合 摘要：为了求解实践应用中遇到的一些复杂非线性系统，提出一个基于Elman神经网络的非线性函数方程求解方法。方法通过非线性函数方程有限的若干组输入。
4、 基于复杂网络京津冀地区产业结构比较优势 摘要：文章通过京津冀投入产出表构建三地产业结构复杂网络模型，发现京津冀三地产业结构具有不同的复杂网络结构特征，由此形成了不同的产业结构比较优势，。
5、 我国地区生产总值影响因素实证分析 【摘要】生产总值是一国国民经济核算体系的核心指标，它直观的反映一个国家或地区的经济发展和人民的生活水平。本文旨在借助现代计量分析方法，就影响我国。