现在位置: >

改进的模糊神经网络应用于投标报价

在竞争性招标中,投标报价决策对于投标的成败和工程承包的盈亏起着决定性作用.

第14卷第5期系统工程理论方法应用v01.14No.52005年10月SYSTEMSENGINEERING~THEORYMETHODOLOGYAPPLICATl0NSOct.2005文章编号:1005—2542(2005)05—0443一06

改进的模糊神经网络应用于投标报价

韩敏,范迎南,孙燕楠

(大连理工大学电子与信息工程学院,大连116023)

【摘要】针对模糊神经网络规则膨胀导致的网络训练速度慢和泛化能力弱的缺陷,提出了一种改进的基于T—S模型的模糊神经网络的结构和算法。网络结构包括前件和后件网络二部分,本文在后件网络中增加了一个隐含层以提高计算能力,在前件网络中运用了有效模糊规则选取的方法以提高收敛速度。最后将提出的网络结构应用于建筑工程的投标报价中,仿真结果证明:该网络能达到更高的误差精度、更快的训练速度和更好的泛化能力。

关键词:模糊神经网络;投标报价;规则选取;泛化能力

中图分类号:TP118文献标识码:A

AnImprovedFuzzyNeuralNetworkandItsApplicationinBidding

HANM诹。FANYing—nan,SUNYah-nan

(SchoolofElectronicandInformationEngineering,DalianUniv.ofTechnology,Dalian116023,China)

[Abstract]Becauseoftheexpandingofthefuzzyrulescausedbytheincreasingoftheinputnumbers,thetrainingspeedisslowerandgeneralizationabilityofthefuzzyneuralnetworkisweaker.Thispaperproposesanimprovedfuzzynerualnetwork(IFNN)basedonT-Smodeltoovercometheseproblems.ThestructureofIFNNcontainstwosubnetworks:premisenetworkandconsequentnetwork.Onehiddenlayerisaddedinconsequentnetworktoimproveitsapproximateabilityandgeneralizationability.Andinpremisenetworkthefuzzyrulesarechosenefficientlytospeedupthetrainspeed.Atlasttheproposednetworkisusedtotheconstructionbiddingsystem.Theresultsofthesimulationindicatethatitcanobtainhighererrorprecision,trainingspeedandgeneralizationability.

Keywords:fuzzyneuralnetwork;bidding;rulechosen;generalizationability

人工神经网络(ArtificialNeuralNetworks,ANN),简称神经网络(NN),是一种基于连接学说构造的智能仿生模型。神经网络具有良好的容错性与联想记忆功能,以及较强的自适应与自学习功能。但是从系统建模的角度而言,神经网络采用的是典型的黑箱型学习模式[1],当学习完成后,神经网络所获得的输入输出关系无法用被人接受的方式表示。

模糊系统理论自1965年由美国控制论专家Zadeh创立以来,已广泛应用于许多不同的领域,如过程控制、机器人技术、医学诊断及模糊计算机

收稿日期:2004—09—20修订日期:2005—04—26

作者简介:韩敏(1959一),女,博士,教授。主要从事神经网络、混沌序列分析及GIS系统等研究。等[2]。模糊逻辑方法的优点在于它的逻辑性和透明性[3],具有推理能力和高阶信息的处理能力,能够将先前有关的系统知识结合到模糊规则集中,以人们易于理解的方式表达出来。用模糊系统进行信息处理的核心问题在于模糊规则的自动提取和模糊变量基本状态隶属函数的自动生成。

可以看出,模糊系统和神经网络的优缺点具有明显的互补性,而且它们都不需要数学模型和复杂的数学分析,将两者结合能够得到更好的性能,如可以减少记忆的需求、增强泛化能力和有更好的容错性能等乜]。模糊系统与神经网络相结合,主要解决两方面的问题[4]:一是对参数的自动调整;二是网络结构的确定。这样模糊神经网络(FuzzyNeural

 万方数据

相关文档
相关主题
返回顶部
热门文档