前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇神經(jīng)網(wǎng)絡(luò)含義范文，相信會(huì)為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

神經(jīng)網(wǎng)絡(luò)含義范文第1篇

[關(guān)鍵詞]模糊系統(tǒng) 神經(jīng)網(wǎng)絡(luò) 模糊推理神經(jīng)網(wǎng)絡(luò) 威脅 評(píng)估

一、引言

威脅評(píng)估就是根據(jù)戰(zhàn)場(chǎng)敵我雙方的態(tài)勢(shì)推斷敵方對(duì)我方的威脅程度,是防空指揮自動(dòng)化系統(tǒng)的一個(gè)重要組成部分,是火力分配和戰(zhàn)術(shù)決策的前提,對(duì)指揮員準(zhǔn)確地判斷敵情、正確部署、調(diào)整和使用兵力有著舉足輕重的作用。目前常用的威脅評(píng)估方法主要有:層次分析法、多屬性決策法、專家系統(tǒng)方法、模糊理論、神經(jīng)網(wǎng)絡(luò)方法等。

本文將模糊理論和神經(jīng)網(wǎng)絡(luò)融合,取長(zhǎng)補(bǔ)短,提出了基于模糊推理網(wǎng)絡(luò)的目標(biāo)威脅評(píng)估方法。該方法利用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)模糊邏輯推理,使神經(jīng)網(wǎng)絡(luò)沒有明確物理含義的權(quán)值被賦予了模糊邏輯中推理參數(shù)的含義,并且系統(tǒng)具有自學(xué)習(xí)能力。實(shí)驗(yàn)表明,新方法保留了模糊理論和神經(jīng)網(wǎng)絡(luò)各自的優(yōu)勢(shì),較好地解決了各自存在的問題,能有效地評(píng)估目標(biāo)的威脅程度。

二、影響目標(biāo)威脅程度的因素

在防空作戰(zhàn)中,往往需要用多個(gè)因素刻畫空襲目標(biāo)的本質(zhì)與特征。對(duì)地空導(dǎo)彈武器系統(tǒng)而言,影響目標(biāo)威脅程度的主要因素有:

(1)目標(biāo)的航路捷徑P。指對(duì)武器部署點(diǎn)或保衛(wèi)要地的航路捷徑。

(2)目標(biāo)類型C?？找u兵器的類型不同,其飛行速度和攻擊能力也不同,對(duì)要地或地域的威脅程度也不同。

(3)機(jī)動(dòng)特性M。主要考慮高度上的機(jī)動(dòng)。當(dāng)發(fā)現(xiàn)目標(biāo)機(jī)動(dòng),說明其攻擊意圖明確,威脅程度大。

(4)到達(dá)發(fā)射區(qū)近界的時(shí)間T。

(5)電子干擾E。

三、模糊推理神經(jīng)網(wǎng)絡(luò)

一個(gè)多輸入多輸出的模糊推理網(wǎng)絡(luò)系統(tǒng)(FNNS),它由五層組成,可直接完成模糊化、模糊推理、模糊運(yùn)算、去模糊化等操作。

1.網(wǎng)絡(luò)結(jié)構(gòu)

FNNS各層的內(nèi)部結(jié)構(gòu)如下:

2.學(xué)習(xí)算法

FNNS的自組織學(xué)習(xí)過程和監(jiān)督學(xué)習(xí)過程如下:

四、實(shí)驗(yàn)與分析

在一次保衛(wèi)要地的防空作戰(zhàn)中,某地空導(dǎo)彈營(yíng)的探測(cè)雷達(dá)發(fā)現(xiàn)空中有4批敵對(duì)目標(biāo)對(duì)我保衛(wèi)要地構(gòu)成了威脅。已識(shí)別出4批目標(biāo)的類型C分別為戰(zhàn)術(shù)彈道導(dǎo)彈、巡航導(dǎo)彈、殲擊轟炸機(jī)、武裝直升機(jī),且已測(cè)得各批目標(biāo)當(dāng)前時(shí)刻的航路捷徑P、到達(dá)發(fā)射區(qū)近界的時(shí)間T、電子干擾能力E(已歸一化)。各個(gè)目標(biāo)的數(shù)據(jù)如表1所示。

表1 4批目標(biāo)的數(shù)據(jù)

根據(jù)上述數(shù)據(jù),分別構(gòu)建一個(gè)含4個(gè)輸入節(jié)點(diǎn)、1個(gè)輸出節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)(3層BP網(wǎng))和模糊推理網(wǎng)絡(luò)(5層),并進(jìn)行訓(xùn)練。將得到目標(biāo)威脅程度W的評(píng)估結(jié)果如下:

(1)模糊推理網(wǎng)絡(luò):W3=0.92 > W1=0.63 > W2=0.59 > W4=0.57。即,目標(biāo)3的威脅程度是最大的,目標(biāo)4的威脅程度是最小的。

(2)神經(jīng)網(wǎng)絡(luò):W3=0.89 > W1=0.64 > W2=0.59 > W4=0.58。

可見,評(píng)估結(jié)果與模糊推理網(wǎng)絡(luò)的相同,只是具體數(shù)據(jù)有所差異。

五、結(jié)論

本文將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合,使用模糊推理神經(jīng)網(wǎng)絡(luò)評(píng)估目標(biāo)的威脅程度。該方法利用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)模糊邏輯推理,使神經(jīng)網(wǎng)絡(luò)沒有明確物理含義的權(quán)值被賦予了模糊邏輯中推理參數(shù)的含義,使得規(guī)則容易抽取出來,并且系統(tǒng)具有自學(xué)習(xí)能力。仿真結(jié)果表明新方法能有效地評(píng)估目標(biāo)的威脅程度。

參考文獻(xiàn):

[1]王衛(wèi)平,田志學(xué),陳選社.威脅判斷的層次――效用模型在防空雷達(dá)中的運(yùn)用[J].現(xiàn)代雷達(dá), 2005, 27(2): 8-14.

[2]曲長(zhǎng)文,何友,馬強(qiáng).應(yīng)用多屬性決策的威脅評(píng)估方法[J].系統(tǒng)工程與電子技術(shù), 2000, 22(5): 26-29.

[3]劉玉全,李為民,王君.基于排列法的目標(biāo)威脅評(píng)估模型[J].現(xiàn)代防御技術(shù), 2004, 32(1): 20-23.

[4]余舟毅,陳宗基,周銳.基于貝葉斯網(wǎng)絡(luò)的威脅等級(jí)評(píng)估算法研究[J].系統(tǒng)仿真學(xué)報(bào), 2005, 17(3): 555-558.

[5]鄧文運(yùn),尼喜.地面防空威脅估計(jì)模糊優(yōu)化計(jì)算方法及使用[J].現(xiàn)代防御技術(shù), 2001, 29(4): 9-11.

[6]潘紅華,王建明,朱森等.目標(biāo)威脅判斷的模糊模式識(shí)別模型[J].兵工學(xué)報(bào), 2004, 25(5): 576-580.

[7]王向華,覃征,劉宇等.徑向基神經(jīng)網(wǎng)絡(luò)解決威脅排序問題[J].系統(tǒng)仿真學(xué)報(bào), 2004, 16(7): 1576-1579.

[8]黎洪生,卓禎雨. ANFIS模糊神經(jīng)推理機(jī)在故障診斷中的應(yīng)用[J].控制工程, 2003, 10(2): 153-155.

神經(jīng)網(wǎng)絡(luò)含義范文第2篇

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) 入侵檢測(cè)；自動(dòng)變速率；隨機(jī)優(yōu)化算子

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）03-0614-03

隨著互聯(lián)網(wǎng)應(yīng)用的發(fā)展，更現(xiàn)顯了網(wǎng)絡(luò)安全的重要性。入侵檢測(cè)技術(shù)在安全防護(hù)中是一種主動(dòng)防護(hù)技術(shù)，能及時(shí)地檢測(cè)各種惡意入侵，并在網(wǎng)絡(luò)系統(tǒng)受到危害時(shí)進(jìn)行響應(yīng)，因此在為安全防御體系中入侵檢測(cè)系統(tǒng)占有重要的地位。但是在現(xiàn)實(shí)的應(yīng)用中，入侵檢測(cè)系統(tǒng)沒有充分發(fā)揮其作用。這是因?yàn)椋粩嘧兓娜肭址绞揭笕肭謾z測(cè)模型必須具有分析大量數(shù)據(jù)的能力。無論這些數(shù)據(jù)是不完全的，是非結(jié)構(gòu)化的，或者是含有噪音的。而且，有些攻擊是由處于不同網(wǎng)絡(luò)位置上的多個(gè)攻擊者協(xié)作進(jìn)行的，這就要求入侵檢測(cè)模型又必須具備處理來自非線性數(shù)據(jù)源的大量數(shù)據(jù)的能力。神經(jīng)網(wǎng)絡(luò)具有聯(lián)想記憶能力、自學(xué)習(xí)能力和模糊運(yùn)算的能力。因此將神經(jīng)網(wǎng)絡(luò)應(yīng)用入侵檢測(cè)中，它不僅可以識(shí)別出曾見過的入侵，還可以識(shí)別出未曾見過的入侵。該文首先介紹了一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法，然后分析了該算法在入侵檢測(cè)中的應(yīng)用，并給出試驗(yàn)仿真結(jié)果。

1 BP神經(jīng)網(wǎng)絡(luò)與入侵檢測(cè)

1.1 BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)與不足

BP神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)模型中應(yīng)用最廣泛一種。它基于成熟的BP算法，主要有以下幾個(gè)特點(diǎn)：1）它能夠?qū)崿F(xiàn)自組織、自學(xué)習(xí)，根據(jù)給定的輸入輸出樣本自動(dòng)調(diào)整它的網(wǎng)絡(luò)參數(shù)來模擬輸入輸出之間的非線性關(guān)系。2）在存儲(chǔ)上采用分布式存儲(chǔ)，所有的信息分布存儲(chǔ)在每一個(gè)神經(jīng)元中。3）它還可以實(shí)現(xiàn)并行處理，下一層的每個(gè)神經(jīng)元可以根據(jù)接收到的上一層信息同時(shí)獨(dú)立地計(jì)算。這些特點(diǎn)使其很適合應(yīng)用于入侵檢測(cè)技術(shù)，滿足入侵檢測(cè)的適應(yīng)性、可靠性、安全性和高效性的要求。

但是傳統(tǒng)的BP算法也存在著以下幾個(gè)方面的不足：1）局部極??；2）學(xué)習(xí)算法收斂速度慢；3）隱含層節(jié)點(diǎn)選取缺乏理論；4）加入新的樣本會(huì)影響已經(jīng)學(xué)完的樣本；5）每次輸入樣本特征的數(shù)目必須確定且相同。

1.2 入侵檢測(cè)技術(shù)

通過對(duì)系統(tǒng)數(shù)據(jù)的分析，當(dāng)發(fā)現(xiàn)有非授權(quán)的網(wǎng)絡(luò)訪問和攻擊行為時(shí)，采取報(bào)警、切斷入侵線路等措施來維護(hù)網(wǎng)絡(luò)安全，這被就是入侵檢測(cè)技術(shù)。采用此技術(shù)設(shè)計(jì)的系統(tǒng)稱為入侵檢測(cè)系統(tǒng)。根據(jù)采用的技術(shù)來說入侵檢測(cè)系統(tǒng)應(yīng)具有以下幾個(gè)特性：1）監(jiān)視用戶及系統(tǒng)活動(dòng)；2） 分析用戶及系統(tǒng)活動(dòng)；3） 異常行為模式分析；4） 識(shí)別已知的進(jìn)攻活動(dòng)模式并反映報(bào)警；5） 系統(tǒng)構(gòu)造和弱點(diǎn)的審計(jì)，操作系統(tǒng)的審計(jì)跟蹤管理；6） 評(píng)估重要的系統(tǒng)和數(shù)據(jù)文件的完整性，并識(shí)別用戶違反安全策略的行為。

目前最常用的攻擊手段有：拒絕服務(wù)、探測(cè)、非授權(quán)訪問和非授權(quán)獲得超級(jí)用戶權(quán)限攻擊。而且這些攻擊手段在實(shí)際中還有很大的變異，因此給入侵檢測(cè)帶來了一定的難度。BP神經(jīng)網(wǎng)絡(luò)的自組織自學(xué)習(xí)能力，使得經(jīng)過訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)對(duì)以前觀察到的入侵檢測(cè)行為模式進(jìn)行歸納總結(jié)，除了可以識(shí)別出已經(jīng)觀察到的攻擊，還可以識(shí)別出由已知攻擊變異出的新的攻擊，甚至是全新的攻擊。

2.3 改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法

人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別、非線性處理、信號(hào)檢測(cè)等領(lǐng)域應(yīng)用非常多，這是由于人工神經(jīng)網(wǎng)絡(luò)具有的良好的自適應(yīng)和自組織性，高度的非線性特性以及大規(guī)模并行處理和分布式信息存儲(chǔ)能力的特性。BP神經(jīng)網(wǎng)絡(luò)算法實(shí)質(zhì)上是非線性優(yōu)化問題的梯度算法，該算法在收斂性問題上存在限制與不足。即該算法學(xué)習(xí)的結(jié)果不能保證一定收斂到均方誤差的全局最小點(diǎn)，也有可能落入局部極小點(diǎn)，使算法不收斂，導(dǎo)致陷入錯(cuò)誤的工作模式。因此本文選擇了改進(jìn)的神經(jīng)網(wǎng)絡(luò)，改進(jìn)主要有以下幾點(diǎn)：

2）自動(dòng)變速率學(xué)習(xí)法

傳統(tǒng)的BP算法是以梯度為基礎(chǔ)，采用LMS學(xué)習(xí)問題的最陡下降法，學(xué)習(xí)步長(zhǎng)是一個(gè)固定不變的較小值，不利于網(wǎng)絡(luò)的收斂。因此，選擇了基于梯度方向來自動(dòng)調(diào)節(jié)學(xué)習(xí)速率的方法。利用梯度確定學(xué)習(xí)的方向，由速率決定在梯度方向上學(xué)習(xí)的步長(zhǎng)。因此，如果相鄰兩次的梯度方向相同則說明在該方向是有利收斂的方向，如果相鄰兩次的梯度方向相反則說明此處存在不穩(wěn)定。因此，可以利用兩次相對(duì)梯度變化來確定學(xué)習(xí)步長(zhǎng)，當(dāng)兩次梯度方向相同時(shí)則增大學(xué)習(xí)步長(zhǎng)，加快在該方向上的學(xué)習(xí)速度；而如果兩次梯度方向相反那么減小學(xué)習(xí)步長(zhǎng)，加快整個(gè)網(wǎng)絡(luò)的收斂速度。這種方法的自適應(yīng)速率調(diào)節(jié)公式如下：

2）引入遺忘因子

本文所采用的自適應(yīng)變速率學(xué)習(xí)法是依據(jù)相鄰兩次梯度變化來確定學(xué)習(xí)步長(zhǎng)的算法，但單純的學(xué)習(xí)速率的變化還不能即完全地既保證收斂速度，又不至于引起振蕩。因此考慮變相的學(xué)習(xí)速率的學(xué)習(xí)。即在權(quán)值的調(diào)節(jié)量上再加一項(xiàng)正比于前幾次加權(quán)的量。權(quán)值調(diào)節(jié)量為：

我們將[τ]稱為遺忘因子。遺忘因子項(xiàng)的引入就是對(duì)學(xué)習(xí)過程中等效的對(duì)學(xué)習(xí)速率進(jìn)行微調(diào)的效果。遺忘因子起到了緩沖平滑的作用，使得調(diào)節(jié)向著底部的平均方向變化。

3）隨機(jī)優(yōu)化算子

雖然采用自動(dòng)變速率學(xué)習(xí)法，并引入遺忘因子的神經(jīng)網(wǎng)絡(luò)算法可以對(duì)學(xué)習(xí)速率進(jìn)行微調(diào)，但是仍存在著BP神經(jīng)網(wǎng)絡(luò)的限制與不足因此引入隨機(jī)優(yōu)化算子。也就是當(dāng)網(wǎng)絡(luò)的權(quán)值誤差迭代一定的次數(shù)后，仍沒有明顯的收斂，或者系統(tǒng)誤差函數(shù)的梯度連續(xù)幾次發(fā)生改變，這說明網(wǎng)絡(luò)進(jìn)入了一個(gè)比較疲乏的狀態(tài)，需要借助外界的推動(dòng)力來激活網(wǎng)絡(luò)。當(dāng)發(fā)現(xiàn)上述的兩種情況時(shí)，就產(chǎn)生與權(quán)值維數(shù)相同的隨機(jī)數(shù)，并將隨機(jī)數(shù)與權(quán)值直接相加，然后判斷系統(tǒng)誤差的變化。如果誤差沒有降低，那么就再繼續(xù)產(chǎn)生隨機(jī)數(shù)來修改權(quán)值，直到誤差減少，再從新的權(quán)值開始繼續(xù)BP算法。隨機(jī)優(yōu)化算子可以令搜索方向隨機(jī)變化，從而擺脫局部極小點(diǎn)。

4）改進(jìn)算法與傳統(tǒng)算法比較

以200個(gè)訓(xùn)練樣本為例，分別采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)和經(jīng)典BP神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行學(xué)習(xí)、訓(xùn)練。兩種算法的誤差收斂對(duì)比曲線如圖1所示。

3 采用改進(jìn)算法的入侵檢測(cè)仿真實(shí)驗(yàn)

入侵檢測(cè)系統(tǒng)進(jìn)行測(cè)試和評(píng)估需要標(biāo)準(zhǔn)的、可重現(xiàn)的并包含入侵的大量數(shù)據(jù)。本仿真實(shí)驗(yàn)選取DARPA數(shù)據(jù)集網(wǎng)絡(luò)連接數(shù)據(jù)集作為實(shí)驗(yàn)數(shù)據(jù)。然后，對(duì)這些數(shù)據(jù)選三組特征值進(jìn)行實(shí)驗(yàn)，并給出實(shí)驗(yàn)結(jié)果。

3.1 數(shù)據(jù)源的選取

該實(shí)驗(yàn)的數(shù)據(jù)采用DARPA 1988入侵檢測(cè)評(píng)估數(shù)據(jù)庫的數(shù)據(jù)。該數(shù)據(jù)有大量的連接數(shù)據(jù)記錄。每個(gè)一記錄代表一次網(wǎng)絡(luò)連接，且每個(gè)記錄均有41個(gè)特征值，其中各個(gè)特征的含義不同，大致可分為三類：1）表示網(wǎng)絡(luò)連接內(nèi)容特征；2）表示網(wǎng)絡(luò)連接基本特征；3）表示網(wǎng)絡(luò)連接流量特征。

模擬的入侵主要有以下四種類型：DOS 、 R2L、U2R、Probing，考慮到設(shè)計(jì)的實(shí)用性分別對(duì)三類特征值用神經(jīng)網(wǎng)絡(luò)分別進(jìn)行訓(xùn)練和識(shí)別。實(shí)驗(yàn)選取了13000組數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，其中3000組用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，10000組用于系統(tǒng)測(cè)試。

3.2 仿真實(shí)驗(yàn)結(jié)果

對(duì)三類特征組的訓(xùn)練集數(shù)據(jù)應(yīng)用改進(jìn)神經(jīng)網(wǎng)絡(luò)分別訓(xùn)練出三個(gè)神經(jīng)網(wǎng)絡(luò)，表示網(wǎng)絡(luò)連接內(nèi)容特征的神經(jīng)網(wǎng)絡(luò)，表示網(wǎng)絡(luò)連接基本特征的神經(jīng)網(wǎng)絡(luò)以及表示網(wǎng)絡(luò)連接流量的特征的神經(jīng)網(wǎng)絡(luò)在訓(xùn)練成功時(shí)的迭代步數(shù)分別為7056，386，3030。然后再對(duì)測(cè)試集數(shù)據(jù)進(jìn)行測(cè)試，結(jié)果如下：

1）表示網(wǎng)絡(luò)連接內(nèi)容特征組，利用改進(jìn)神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè)識(shí)別，結(jié)果如表1所示。

2）表示網(wǎng)絡(luò)連接基本特征組，利用改進(jìn)神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè)識(shí)別，結(jié)果如表2所示。

3）網(wǎng)絡(luò)連接流量特征組，利用改進(jìn)神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè)識(shí)別，結(jié)果如表3所示：

從表中數(shù)據(jù)可以看出對(duì)常見的四種攻擊，不同的特征分組在改進(jìn)神經(jīng)網(wǎng)絡(luò)的作用下檢測(cè)各有優(yōu)勢(shì)。

4 結(jié)論

論文采用自動(dòng)變速率學(xué)習(xí)法，利用遺忘因子進(jìn)行微調(diào)，同時(shí)引入隨機(jī)優(yōu)化算子對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)。改進(jìn)神經(jīng)網(wǎng)絡(luò)的收斂速度比經(jīng)典BP神經(jīng)網(wǎng)絡(luò)更快，同時(shí)穩(wěn)定性也較好。并將該算法應(yīng)用于入侵檢測(cè)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果顯示改進(jìn)后的算法具有較好的識(shí)別攻擊的能力。

參考文獻(xiàn)：

[1] 肖道舉，毛輝.BP神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用[J].華中科技大學(xué)學(xué)報(bào)，2003（5）.

[2] 汪潔.基于神經(jīng)網(wǎng)路的入侵檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件，2013（5）.

神經(jīng)網(wǎng)絡(luò)含義范文第3篇

關(guān)鍵詞：電力系統(tǒng)自動(dòng)化；智能技術(shù)；分析

中圖分類號(hào)： F406 文獻(xiàn)標(biāo)識(shí)碼： A

1 電力系統(tǒng)自動(dòng)化與智能技術(shù)的含義

電力系統(tǒng)自動(dòng)化，從含義上是對(duì)電能生產(chǎn)、傳輸和管理實(shí)現(xiàn)自動(dòng)化、自動(dòng)調(diào)度和自動(dòng)化管理；從種類上，它的分類較多，例如：電網(wǎng)調(diào)度自動(dòng)化等。智能技術(shù)是智能計(jì)算機(jī)技術(shù)的簡(jiǎn)稱，從含義上它包含體系結(jié)構(gòu)和人機(jī)接口；從種類上，它的種類也較多，例如：模糊控制等。

智能技術(shù)是具備學(xué)習(xí)、適應(yīng)及組織功能的行為，能夠?qū)Ξa(chǎn)品問題進(jìn)行合適求解，解決傳統(tǒng)魯棒性控制和自適應(yīng)控制無法解決出令人滿意結(jié)果的，非線性、時(shí)變性和不確定性的控制問題。目前，智能技術(shù)尚處于發(fā)展階段，但它已受到人們的普遍重視，廣泛應(yīng)用于電力系統(tǒng)各個(gè)領(lǐng)域中，并取得了一定的實(shí)效。

專家系統(tǒng)在電力系統(tǒng)中的應(yīng)用范圍很廣，它是一種基于知識(shí)的系統(tǒng)，用于智能協(xié)調(diào)、組織和決策，激勵(lì)相應(yīng)的基本級(jí)控制器完成控制規(guī)律的實(shí)現(xiàn)。主要針對(duì)各種非結(jié)構(gòu)化問題，處理定性的、啟發(fā)式或不確定的知識(shí)信息。如：電力系統(tǒng)恢復(fù)控制、故障點(diǎn)的隔離、調(diào)度員培訓(xùn)、處于警告或緊急狀態(tài)的辨識(shí)、配電系統(tǒng)自動(dòng)化等。以智能的方式求得受控系統(tǒng)盡可能地優(yōu)化和實(shí)用化，并經(jīng)過各種推理過程達(dá)到系統(tǒng)的任務(wù)目標(biāo)。雖然取得廣泛應(yīng)用，但存在如難以模仿電力專家的創(chuàng)造等局限性。一般而言，專家控制系統(tǒng)應(yīng)用較大的原因是由于該方法可適用范圍廣，且能為電力系統(tǒng)處于各種狀態(tài)提出辨識(shí)，根據(jù)這種具體情況給出警告或提示，同時(shí)還能進(jìn)行控制和恢復(fù)。雖然專家系統(tǒng)得到一定的應(yīng)用，但是仍存在一定的局限性，這種局限包括對(duì)創(chuàng)造性的難以模仿，而只限于淺層知識(shí)的應(yīng)用，缺乏極有效的深層模仿和設(shè)計(jì)，難以適應(yīng)復(fù)雜狀態(tài)。因此，在開發(fā)專家系統(tǒng)方面應(yīng)注意專家系統(tǒng)的代價(jià)/ 效益分析方法、專家系統(tǒng)軟件的有效性和試驗(yàn)、知識(shí)獲取、專家系統(tǒng)與其他常規(guī)計(jì)算工具相結(jié)合等問題。

模糊方法是一種對(duì)系統(tǒng)宏觀的控制，十分簡(jiǎn)單而易于掌握，為隨機(jī)、非線性和不確定性系統(tǒng)的控制，提供了良好的途徑。將人的操作經(jīng)驗(yàn)用模糊關(guān)系來表示，通過模糊推理和決策方法，對(duì)復(fù)雜過程對(duì)象進(jìn)行有效控制。通常用“如果……，則……”的方式來表達(dá)，在實(shí)際控制中的專家知識(shí)和經(jīng)驗(yàn)不依賴被控對(duì)象模型，魯棒性較強(qiáng)。模糊控制技術(shù)的應(yīng)用非常廣泛，與常規(guī)控制相比，其在提高模糊控制的控制品質(zhì)，如：穩(wěn)態(tài)誤差、超調(diào)等問題，自身的學(xué)習(xí)能力還不完善，因此要求系統(tǒng)具有完備的知識(shí)，對(duì)工業(yè)智能系統(tǒng)的設(shè)計(jì)而言是困難的，如模糊變結(jié)構(gòu)控制、自適應(yīng)或自組織模糊控制、自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制、神經(jīng)網(wǎng)絡(luò)變結(jié)構(gòu)控制等。另一方面包含了各種智能控制方法之間的交叉結(jié)合，對(duì)電力系統(tǒng)這樣一個(gè)復(fù)雜的大系統(tǒng)來講，綜合智能控制更具備巨大的應(yīng)用潛力?，F(xiàn)在，在電力系統(tǒng)中研究較多的有神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)合，專家系統(tǒng)與模糊控制的結(jié)合，神經(jīng)網(wǎng)絡(luò)與模糊控制的結(jié)合，神經(jīng)網(wǎng)絡(luò)、模糊控制與自適應(yīng)控制的結(jié)合等方面。這些模糊方法的運(yùn)用因其可使用范圍廣，目前已在自動(dòng)化控制中被廣泛應(yīng)用。智能集成化是綜合智能控制重要的技術(shù)發(fā)展方向，其可將多項(xiàng)智能技術(shù)相互結(jié)合于一體，不再單獨(dú)運(yùn)用，各取優(yōu)勢(shì)。如模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)的結(jié)合、神經(jīng)網(wǎng)絡(luò)與模糊控制的結(jié)合、神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)合等，這些都在電力系統(tǒng)自動(dòng)化控制中有較多研究。

2 智能技術(shù)與電力系統(tǒng)自動(dòng)化的結(jié)合

智能技術(shù)被應(yīng)用在電力系統(tǒng)自動(dòng)化中，進(jìn)一步完善和發(fā)展了電力系統(tǒng)自動(dòng)化。智能系統(tǒng)在電力系統(tǒng)中的有效應(yīng)用，不僅協(xié)調(diào)了電力系統(tǒng)發(fā)展的不成熟性和該系統(tǒng)本身的不穩(wěn)定性，還滿足了公眾對(duì)于相對(duì)廉價(jià)、便利的電力網(wǎng)絡(luò)的需求。所以，智能技術(shù)作為一種技術(shù)被應(yīng)用于電力系統(tǒng)自動(dòng)化中。

眾所周知，智能技術(shù)從分類上可分為以下幾個(gè)部分：模糊控制和神經(jīng)網(wǎng)絡(luò)控制、專家系統(tǒng)控制、線性最優(yōu)控制和綜合智能控制。如今，電力系統(tǒng)自動(dòng)化還未發(fā)展成熟，還存在一些缺點(diǎn)以待改進(jìn)，如：強(qiáng)非線性，時(shí)變性且參數(shù)不確切可知，含有大量未建模動(dòng)態(tài)部分和電力覆蓋范圍大但卻具有網(wǎng)絡(luò)阻滯、延遲等。下面，我們將具體分析如何通過應(yīng)用智能系統(tǒng)改變電子系統(tǒng)智能化的缺點(diǎn)。

3 將智能技術(shù)應(yīng)用到電力系統(tǒng)自動(dòng)化中的具體做法

3.1 模糊控制在電力系統(tǒng)自動(dòng)化中的應(yīng)用

模糊控制使得建立模型來進(jìn)行控制變得十分簡(jiǎn)單和易于掌握。通過建立模型進(jìn)行控制是一種比較現(xiàn)代的方法，與建立常規(guī)的模式相比，更具優(yōu)越性、相對(duì)簡(jiǎn)單。例如，交通信號(hào)燈的轉(zhuǎn)換是由前面的主列隊(duì)與后面的主列隊(duì)決定，并使用一定的工具實(shí)現(xiàn)二維模糊控制器。洗衣機(jī)可根據(jù)清洗過程中水質(zhì)的變化對(duì)衣物進(jìn)行不同程度的清洗，以保證衣物的干凈。模糊控制主要是在汽車的自動(dòng)變速器上起作用，是通過自動(dòng)變速器檢測(cè)駕駛員的速度得出駕駛員的駕駛意圖，判斷路況和汽車受到的阻力、監(jiān)測(cè)發(fā)動(dòng)機(jī)的情況。通過以上舉例，我們可以得出模糊控制適用于電力系統(tǒng)自動(dòng)化，并且具有廣泛性和通用性，能夠適用于其他不同的領(lǐng)域。

3.2 神經(jīng)網(wǎng)絡(luò)系統(tǒng)在電力系統(tǒng)自動(dòng)化中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)控制技術(shù)具有與電力系統(tǒng)自動(dòng)化相適應(yīng)的性質(zhì)“非線性特性”，同時(shí)，其還具有自我學(xué)習(xí)與自我組織的能力，以及具有強(qiáng)壯的網(wǎng)絡(luò)系統(tǒng)和處理的能力。因此，大量的、簡(jiǎn)單的神經(jīng)元構(gòu)成了神經(jīng)網(wǎng)絡(luò)控制技術(shù)，有了神經(jīng)網(wǎng)絡(luò)控制方式。神經(jīng)網(wǎng)絡(luò)利用一定的學(xué)習(xí)算法，將隱藏在其連接權(quán)值上的大量信息進(jìn)行了調(diào)節(jié)權(quán)值，從而實(shí)現(xiàn)了非線性的復(fù)雜映射，從m 維空間到 n 維空間。這個(gè)概念被應(yīng)用于許多領(lǐng)域，如：自動(dòng)控制領(lǐng)域；處理組合優(yōu)化問題；模式識(shí)別；圖像處理；傳感信號(hào)處理和醫(yī)學(xué)領(lǐng)域等。因?yàn)槿梭w與疾病之間的關(guān)鏈非常復(fù)雜，因此神經(jīng)網(wǎng)絡(luò)控制技術(shù)也被廣泛應(yīng)用到醫(yī)學(xué)上的多個(gè)領(lǐng)域，例如：醫(yī)學(xué)專家系統(tǒng)中的麻醉和危重醫(yī)學(xué)相關(guān)領(lǐng)域的研究等。由上述舉例，我們可以知道神經(jīng)網(wǎng)絡(luò)控制技術(shù)適用于電力系統(tǒng)自動(dòng)化，具有廣泛性和通用性，能夠適應(yīng)于其他不同的領(lǐng)域。

3.3 專家系統(tǒng)控制在電力系統(tǒng)自動(dòng)化中的應(yīng)用

專家系統(tǒng)控制能及時(shí)處理和辨識(shí)發(fā)生故障的電力系統(tǒng)，最大限度地降低網(wǎng)絡(luò)阻滯或延遲給人們帶來的危險(xiǎn)和不便。專家系統(tǒng)在電力系統(tǒng)中有較為廣泛的應(yīng)用范圍，例如能夠辨識(shí)電力系統(tǒng)所處的狀態(tài)：警告狀態(tài)或緊急狀態(tài)、緊急的處理、系統(tǒng)恢復(fù)控制、系統(tǒng)規(guī)劃、切負(fù)荷和電壓無功控制、故障點(diǎn)距離的測(cè)量、做出短期負(fù)荷預(yù)報(bào)、所處狀態(tài)的安全分析以及先進(jìn)的人機(jī)接口等方面。在電梯控制中的應(yīng)用，隨著科技的日新月異，電梯的制作技術(shù)也在不斷地發(fā)展與更新，由簡(jiǎn)單逐漸趨向于復(fù)雜化，現(xiàn)在，在電梯即將出廠時(shí)，會(huì)有專門的工作人員進(jìn)行調(diào)試，但當(dāng)安裝好后，電梯一旦出現(xiàn)故障時(shí)，為本單位所配備的維修人員，卻不能快速找到問題，解除故障，這是由于電梯構(gòu)造復(fù)雜化了，因此我們需要在安裝電梯之前，安裝專家控制器以確保電梯的可用性和保障性。由此可見，專家系統(tǒng)控制適用于電力系統(tǒng)自動(dòng)化。

3.4 綜合智能系統(tǒng)在電力系統(tǒng)自動(dòng)化中的應(yīng)用

綜合智能系統(tǒng)根據(jù)模糊控制結(jié)構(gòu)有效、合理地將這些控制方法結(jié)合起來，以完善電力系統(tǒng)自動(dòng)化，使其能夠具備穩(wěn)定性、協(xié)調(diào)性和簡(jiǎn)易性。由于智能控制方法之間的交叉結(jié)合，一般人們會(huì)將其進(jìn)行如下組合進(jìn)行分析，例如：神經(jīng)系統(tǒng)與專家系統(tǒng)的結(jié)合；專家系統(tǒng)和模糊控制的結(jié)合；神經(jīng)網(wǎng)絡(luò)與模糊控制的結(jié)合；神經(jīng)網(wǎng)絡(luò)、模糊控制與自適應(yīng)控制的結(jié)合等方面。

4 結(jié)語

綜上所述，我們了解到智能化在電力系統(tǒng)自動(dòng)化中所占據(jù)的重要地位及其產(chǎn)生的不可忽視的重要影響，目前雖然我國的電力系統(tǒng)自動(dòng)化還不夠完善，但是我們堅(jiān)信，只要在我們的共同努力下，隨著人們對(duì)智能技術(shù)研究的愈加深入化，我國的智能化技術(shù)一定會(huì)有更好的明天。

［參考文獻(xiàn)］

神經(jīng)網(wǎng)絡(luò)含義范文第4篇

【關(guān)鍵詞】 城市綠色建筑 信息融合技術(shù) 神經(jīng)網(wǎng)絡(luò)技術(shù)

一、 引言

我國的建筑行業(yè)逐漸將可持續(xù)發(fā)展作為未來中國建筑產(chǎn)品發(fā)展的主要方向。但真正的“綠色”建筑不更重要的是要考慮建筑物理環(huán)境中綜合因素的影響，如能利用信息技術(shù)，以計(jì)算機(jī)模擬為主要手段，從多角度對(duì)建筑環(huán)境進(jìn)行準(zhǔn)確評(píng)價(jià)，有助于實(shí)現(xiàn)建筑物的智能控制水平，降低能源消耗。

二、 綠色建筑和信息融合的含義

綠色建筑是指為人類提供健康的空間，同時(shí)實(shí)現(xiàn)最高效率地利用能源、最低限度地影響環(huán)境的建筑物，是當(dāng)前全球化的可持續(xù)發(fā)展戰(zhàn)略在建筑領(lǐng)域的具體體現(xiàn)。它是以生態(tài)系統(tǒng)的良性循環(huán)為基本原則，應(yīng)用系統(tǒng)工程方法和多學(xué)科的現(xiàn)代綠色科技成就，實(shí)現(xiàn)經(jīng)濟(jì)、生態(tài)和社會(huì)效益三結(jié)合的新型人類聚居環(huán)境和建筑體系。

信息融合技術(shù)是協(xié)同利用多源信息，以獲得對(duì)同一事物或目標(biāo)更客觀、更本質(zhì)認(rèn)識(shí)的信息綜合處理技術(shù)。融合是指采集并集成各種信息源、多媒體和多格式信息，從而生成完整、準(zhǔn)確、及時(shí)和有效的綜合信息。

三、 神經(jīng)網(wǎng)絡(luò)技術(shù)在城市綠色建筑評(píng)價(jià)體系中的具體應(yīng)用

由于建筑環(huán)境中的信息來源復(fù)雜，信息格式并不一致，牽涉到的關(guān)鍵技術(shù)較多，如建筑熱環(huán)境模擬、計(jì)算流體力學(xué)，建筑日照分析與采光技術(shù)，噪聲控制以及建筑材料技術(shù)等等，影響了對(duì)建筑環(huán)境信息進(jìn)行分析、評(píng)價(jià)、控制。而神經(jīng)網(wǎng)絡(luò)方法具有良好的容錯(cuò)性、層次性、可塑性、自適應(yīng)性、聯(lián)想記憶和并行處理能力，能夠處理連續(xù)的模擬信號(hào)。在對(duì)建筑環(huán)境的信息處理中，以神經(jīng)網(wǎng)絡(luò)作為信息處理元件便于對(duì)多個(gè)不同信息源的信息進(jìn)行復(fù)合、集成、融合、聯(lián)想等處理，從而降低信息冗余度，可以準(zhǔn)確對(duì)建筑物進(jìn)行評(píng)價(jià)，提高對(duì)建筑物的智能控制水平。

3.1 RBF網(wǎng)絡(luò)模型及特點(diǎn)

徑向基網(wǎng)絡(luò)是一種局部逼近網(wǎng)絡(luò)。對(duì)于每個(gè)訓(xùn)練樣本，它只要對(duì)少數(shù)的權(quán)值和閾值進(jìn)行修正，訓(xùn)練速度很快，適合在一些實(shí)時(shí)性較強(qiáng)的場(chǎng)合（如實(shí)時(shí)控制）中應(yīng)用。它有兩個(gè)網(wǎng)絡(luò)層：隱層為徑向基層，輸出為一線性層，網(wǎng)絡(luò)的輸出為： a2=purelin（LW2a1+b2） a1=radbas（n1）

n1=||IW-P||？*b1

= （ d i a g （ （ I W-o n e s （ S1， 1 ） * P’） （ I W-ones（S1，1）*P’）’））^0.5.*b1 （1）

式中：radbas為徑向基函數(shù)，一般為高斯函數(shù)；diag（x）表示取矩陣向量主對(duì)角線上的元素組成的列向量；“.^”和“.*”分別表示數(shù)量乘方和數(shù)量乘積（即矩陣中各對(duì)應(yīng)元素的乘方和乘積）

徑向基網(wǎng)絡(luò)只對(duì)那些靠近輸入權(quán)值向量的輸入產(chǎn)生相應(yīng)，即隱層對(duì)輸入信號(hào)的相應(yīng)，只在函數(shù)的中央位置產(chǎn)生較大的輸出，所以該網(wǎng)絡(luò)有很好的局部逼近能力。從函數(shù)逼近的觀點(diǎn)看：若把網(wǎng)絡(luò)看成是對(duì)未知函數(shù)的逼近，則任何函數(shù)都可以表示成一組基函數(shù)的加權(quán)和。在徑向基網(wǎng)絡(luò)中，相當(dāng)于選擇各隱層神經(jīng)元的傳輸函數(shù)，使之構(gòu)成一組基函數(shù)逼近未知函數(shù)。

3.2 RBF網(wǎng)絡(luò)在綠色建筑評(píng)價(jià)體系中的應(yīng)用

在綠色建筑評(píng)價(jià)體系中，由于涉及的技術(shù)領(lǐng)域眾多，需要采集的數(shù)據(jù)量也很大。如果可以使用徑向基網(wǎng)絡(luò)對(duì)采集的數(shù)據(jù)進(jìn)行非線性函數(shù)的曲線擬合，將不同建筑物采集到的數(shù)據(jù)經(jīng)過整理后輸入訓(xùn)練好的網(wǎng)絡(luò)，產(chǎn)生非線性函數(shù)曲線，可以大大提高對(duì)建筑物的評(píng)價(jià)以及智能控制。

運(yùn)行中發(fā)現(xiàn)，利用RBF網(wǎng)絡(luò)從定義到訓(xùn)練結(jié)束花費(fèi)的時(shí)間短，適用于實(shí)時(shí)性高的控制場(chǎng)合。僅以空調(diào)通風(fēng)系統(tǒng)為例，可對(duì)房間溫度、房間濕度、送風(fēng)溫度、冷凍水溫度四個(gè)數(shù)據(jù)量進(jìn)行采集，得到部分對(duì)應(yīng)關(guān)系，對(duì)其進(jìn)行曲線擬合，可以得到房間內(nèi)的溫濕度情況，為進(jìn)一步提高對(duì)房間空調(diào)系統(tǒng)的智能控制打下基礎(chǔ)，也可應(yīng)用到綠色建筑控制體系的其他方面。

四、 結(jié)束語

我國城市綠色建筑的發(fā)展前景十分廣闊，加快完善城市綠色建筑評(píng)價(jià)體系成為目前急需解決的問題之一。本文通過對(duì)城市綠色建筑環(huán)境的綜合分析與評(píng)價(jià)方法的研究，得到利用信息融合技術(shù)可以實(shí)現(xiàn)對(duì)多源信息更好的處理分析。

參考文獻(xiàn)

[1] 周開利，康耀紅編著，神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M]，北京：清華大學(xué)出版社 2005

[2] 熊和金 陳德軍編著.智能信息處理[M]，北京：國防工業(yè)出版社 2006

[3] 潘泉等.信息融合理論的基本方法與進(jìn)展（J） ，自動(dòng)化學(xué)報(bào)，2003，29（4）

神經(jīng)網(wǎng)絡(luò)含義范文第5篇

關(guān)鍵詞ERP項(xiàng)目實(shí)施模糊神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)

1問題提出

企業(yè)ERP項(xiàng)目實(shí)施涉及到原有工作模式、業(yè)務(wù)流程變革、組織結(jié)構(gòu)調(diào)整等許多方面，因此在實(shí)施ERP過程中要認(rèn)識(shí)到它的復(fù)雜性和艱巨性，要認(rèn)識(shí)到它的高風(fēng)險(xiǎn)性。然而，目前對(duì)ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)不是很多，有效性也不高。文獻(xiàn)分析，常用風(fēng)險(xiǎn)評(píng)價(jià)方法主要有層次分析法、神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)法和模糊綜合評(píng)判法等。

本文提出用模糊神經(jīng)網(wǎng)絡(luò)模型來評(píng)價(jià)企業(yè)ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)。將模糊神經(jīng)網(wǎng)絡(luò)用于實(shí)施ERP企業(yè)風(fēng)險(xiǎn)問題的評(píng)價(jià)，具有一定的進(jìn)步性，是一種有益的嘗試，同其他方法相比，模糊神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)方法具有科學(xué)、簡(jiǎn)潔、可操作性強(qiáng)等特點(diǎn)，而且模型的結(jié)構(gòu)與方法應(yīng)用前景廣闊。

2企業(yè)ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

在分析了ERP項(xiàng)目實(shí)施過程風(fēng)險(xiǎn)影響因素，我們考慮的是可能導(dǎo)致項(xiàng)目失敗風(fēng)險(xiǎn)因素；因此要從企業(yè)實(shí)施ERP項(xiàng)目戰(zhàn)略角度、實(shí)施中人為風(fēng)險(xiǎn)因素、業(yè)務(wù)流程重組、ERP實(shí)施項(xiàng)目管理和關(guān)鍵事件分析和評(píng)估。該指標(biāo)體系有三級(jí)，一級(jí)指標(biāo)8個(gè)，二級(jí)指標(biāo)26個(gè)，各二級(jí)指標(biāo)相互獨(dú)立反映了前一項(xiàng)指標(biāo)屬性內(nèi)涵。評(píng)價(jià)指標(biāo)體系的風(fēng)險(xiǎn)影響因素能從不同的角度反映這些風(fēng)險(xiǎn)指標(biāo)度量屬性，其最終風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系結(jié)構(gòu)，如表1所示。

表1星火ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系表

風(fēng)險(xiǎn)項(xiàng)二級(jí)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)風(fēng)險(xiǎn)影響因素

信息化規(guī)劃風(fēng)險(xiǎn)U1信息化戰(zhàn)略地位u111)沒有信息化戰(zhàn)略或不健全、信息戰(zhàn)略執(zhí)行不到位；

2)信息化投入總額的比重、網(wǎng)絡(luò)性能水平、沒有其他信息化設(shè)施；

3)是否接觸其他單模塊MIS系統(tǒng)每百名管理人員計(jì)算機(jī)擁有量。

信息基礎(chǔ)建設(shè)風(fēng)險(xiǎn)u12

信息化應(yīng)用狀況風(fēng)險(xiǎn)u13

基礎(chǔ)數(shù)據(jù)風(fēng)險(xiǎn)U2基礎(chǔ)數(shù)據(jù)規(guī)范性風(fēng)險(xiǎn)u211)企業(yè)數(shù)據(jù)的完整程度、數(shù)據(jù)的不規(guī)范性；

2）數(shù)據(jù)編碼體系與ERP要求是否存在較大差別、編碼體系不完整；

3)品種繁多且雜亂、工藝復(fù)雜、工藝不規(guī)范、業(yè)務(wù)數(shù)據(jù)不一致。

編碼系統(tǒng)完整性風(fēng)險(xiǎn)u22

產(chǎn)品繁雜度風(fēng)險(xiǎn)u23

人力資源風(fēng)險(xiǎn)U3高層領(lǐng)導(dǎo)的指導(dǎo)力u311)高層領(lǐng)導(dǎo)參與度、對(duì)風(fēng)險(xiǎn)的認(rèn)識(shí)程度以及支持力度；

2)項(xiàng)目經(jīng)理的實(shí)施經(jīng)驗(yàn)和協(xié)調(diào)溝通能力。

項(xiàng)目經(jīng)理的控制力u32

需求分析風(fēng)險(xiǎn)U4需求分析量化程度u411)企業(yè)需求分析不全面、需求分析報(bào)告不能反映實(shí)際情況；

2)外部市場(chǎng)牽引力度不當(dāng)、需求拉動(dòng)力誤導(dǎo)、政府推動(dòng)力不強(qiáng)；

3）沒有咨詢顧問指導(dǎo)、需求分析反復(fù)修改、企業(yè)診斷結(jié)論錯(cuò)誤。

需求動(dòng)力分析風(fēng)險(xiǎn)u42

信息需求不明確u43

管理基礎(chǔ)風(fēng)險(xiǎn)U5行業(yè)（特點(diǎn)）風(fēng)險(xiǎn)u511)企業(yè)規(guī)模大小、企業(yè)體制、企業(yè)地理位置、企業(yè)的類型；

2)企業(yè)文化與ERP文化相抵制、新文化的形成；

3)企業(yè)管理水平低、管理模式落后、與ERP管理不符合度。

企業(yè)文化風(fēng)險(xiǎn)u52

管理不規(guī)范性u(píng)53

協(xié)作方選擇風(fēng)險(xiǎn)U6軟件商選擇風(fēng)險(xiǎn)u611)軟件供應(yīng)商類型選擇不當(dāng)、供應(yīng)商綜合能力不強(qiáng)；

2)咨詢方行業(yè)經(jīng)驗(yàn)、雙方配合度不高；

3)監(jiān)理基本能力不足、行業(yè)經(jīng)驗(yàn)不足。

咨詢方選擇風(fēng)險(xiǎn)u62

監(jiān)理方選擇風(fēng)險(xiǎn)u63

軟硬件選擇風(fēng)險(xiǎn)U7硬件選擇不當(dāng)u711)安全風(fēng)險(xiǎn)、后續(xù)維護(hù)風(fēng)險(xiǎn)、價(jià)格不合理；

2)系統(tǒng)集成性不高、二次開發(fā)工具水平；

3)軟件成熟度、類型選擇錯(cuò)誤、選型方法或步驟不對(duì)；

4)質(zhì)量先天性缺陷、質(zhì)量不高、不可靠性風(fēng)險(xiǎn)。

軟件技術(shù)風(fēng)險(xiǎn)、u72

選型匹配風(fēng)險(xiǎn)u73

軟件質(zhì)量風(fēng)險(xiǎn)u74

項(xiàng)目管理風(fēng)險(xiǎn)U8項(xiàng)目進(jìn)度風(fēng)險(xiǎn)U811)沒有合理進(jìn)度計(jì)劃、進(jìn)度控制不嚴(yán)、進(jìn)度延期、人員不變動(dòng)；

2)硬件維護(hù)費(fèi)用增加、實(shí)施費(fèi)用無計(jì)劃地增加、維護(hù)費(fèi)用增加；

3)實(shí)施效果難以衡量、沒有制定相應(yīng)質(zhì)量目標(biāo)、階段成果未達(dá)標(biāo)；

4)范圍無限擴(kuò)大、不嚴(yán)格控制計(jì)劃，實(shí)施范圍不清楚風(fēng)險(xiǎn)；

5)對(duì)業(yè)務(wù)流程變革認(rèn)識(shí)不統(tǒng)一、缺乏有效流程控制體系、重組變革方式和工具選擇、過多地改變軟件原有流程。

項(xiàng)目成本風(fēng)險(xiǎn)U82

項(xiàng)目質(zhì)量風(fēng)險(xiǎn)U83

實(shí)施范圍風(fēng)險(xiǎn)U84

業(yè)務(wù)流程重組風(fēng)險(xiǎn)U85

3基于模糊神經(jīng)網(wǎng)絡(luò)ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)模型

模糊神經(jīng)網(wǎng)絡(luò)在SPSS、Excel和Matlab等統(tǒng)計(jì)分析軟件工具的幫助下，使這種預(yù)測(cè)評(píng)價(jià)變得簡(jiǎn)單可行，具有很強(qiáng)的操作性和實(shí)用價(jià)值。模糊神經(jīng)網(wǎng)絡(luò)作為人工智能領(lǐng)域一種新的技能、正向著更高層次的研究與應(yīng)用方面發(fā)展。模糊神經(jīng)網(wǎng)絡(luò)模型也用于企業(yè)風(fēng)險(xiǎn)評(píng)價(jià)方面，張英才提出基于模糊神經(jīng)的人力資源風(fēng)險(xiǎn)評(píng)價(jià)，吳沖等提出基于模糊神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)的評(píng)價(jià)。

3.1模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型建立

根據(jù)企業(yè)實(shí)際結(jié)合已有的研究成果及風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，確定了8個(gè)評(píng)價(jià)的變量。選擇[0,1]上的數(shù)據(jù)對(duì)上述8種因素的風(fēng)險(xiǎn)進(jìn)行評(píng)判。同時(shí)，我們可以用以下數(shù)學(xué)語言描述：設(shè)ui(i=1,2,……7)為ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)的輸入變量，Ui為其論域。在本系統(tǒng)中，ui∈[0,1］，將ui的風(fēng)險(xiǎn)類別模糊化為一個(gè)定義在Ui上的模糊子集Aj(j=1,2,3,4,5分別代表風(fēng)險(xiǎn)低、較低、一般、高、較高五種類型)，其模糊性用Ui的模糊分布一隸屬函數(shù)UAj(ui)來表示。具體模糊量化過程為：

（1）選擇影響因素的集合；本文采用風(fēng)險(xiǎn)指標(biāo)體系子要素層中的評(píng)價(jià)影響集合。（2）確定評(píng)價(jià)等級(jí)空間U；U={cl，c2，…，ck}，若ck+1比ck“強(qiáng)”，記作ck+1>ck，一般地，評(píng)價(jià)等級(jí)統(tǒng)計(jì)取4至6個(gè)等級(jí)較合適，本文風(fēng)險(xiǎn)等級(jí)分5個(gè)等級(jí),即風(fēng)險(xiǎn)低、風(fēng)險(xiǎn)較低、風(fēng)險(xiǎn)一般、風(fēng)險(xiǎn)較高和風(fēng)險(xiǎn)高。

（3）確定子要素層每一因素對(duì)U中的各評(píng)價(jià)等級(jí)的隸屬度；通過專家打分后，采用統(tǒng)計(jì)方法獲得，第i個(gè)因素對(duì)各等級(jí)的隸屬度為Ri＝（ri1，ri2，ri3，ri4，ri5）。

（4）計(jì)算每個(gè)因素的評(píng)價(jià)值；將5個(gè)評(píng)價(jià)等級(jí)數(shù)量化后視為一個(gè)向量，例如取C=(0.9,0.7,0.5,0.3,0.1)，則第i個(gè)因素的數(shù)值化風(fēng)險(xiǎn)評(píng)價(jià)值為Xi=Ri*CT。根據(jù)所評(píng)價(jià)ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)中指標(biāo)，模糊神經(jīng)網(wǎng)絡(luò)ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)結(jié)構(gòu)確定為(8,m,5)，即輸入層節(jié)點(diǎn)8個(gè)(根據(jù)評(píng)價(jià)階段指標(biāo)體系確定)；隱含層節(jié)點(diǎn)數(shù)為m，一般人為給定m值后，經(jīng)k-means方法調(diào)整出合適值；輸出層節(jié)點(diǎn)5個(gè)。通過上述模糊化方法處理得出每個(gè)風(fēng)險(xiǎn)影響因素的模糊化數(shù)值xi后，作為神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)的輸入值。輸出層節(jié)點(diǎn)輸出企業(yè)ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)綜合評(píng)價(jià)值。因此所建模型如圖1所示，模糊神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)模型分兩大模塊:前一部分是模糊量化模塊，作用是將輸入變量模糊化，模糊化處理是將數(shù)字表示形式的輸入量轉(zhuǎn)化為通常用語言值表示的某模糊論語的序數(shù)。后一部分是模糊神經(jīng)網(wǎng)絡(luò)(FNN)模塊，此模型中FNN模塊采用BP神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)模型兩大模塊包括三層:輸入層、隱含層和輸出層。

圖1風(fēng)險(xiǎn)評(píng)價(jià)中模糊神經(jīng)網(wǎng)絡(luò)模型

輸入層：在ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系中，輸入層評(píng)價(jià)指標(biāo)經(jīng)過模糊化處理后輸入。但由于指標(biāo)值量綱不相同，代表了不同的物理含義。因此，在進(jìn)行綜合評(píng)價(jià)之前可將各指標(biāo)值轉(zhuǎn)化成無量綱的標(biāo)準(zhǔn)化數(shù)據(jù)，這樣就可以利用同一標(biāo)準(zhǔn)進(jìn)行衡量一般可采用直線型無量綱化方法，如利用極差變換公式將各類指標(biāo)標(biāo)準(zhǔn)化。輸入層中神經(jīng)元的輸入與輸出為Ui=Xi，Oij=Xi,（其中i=1,2,…..,8；j=1,2,……,m）。同時(shí)，我們將上述的風(fēng)險(xiǎn)因素和ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)的結(jié)果按照風(fēng)險(xiǎn)的大小程度分別用5個(gè)語言變量表示，并用各個(gè)語言變量的隸屬函數(shù)代表其模糊性。

隱含層：其作用是對(duì)輸入量進(jìn)行評(píng)語等級(jí)分化處理，即根據(jù)隸屬函數(shù)求出每一輸入的各等級(jí)隸屬度值。本文選用梯形函數(shù)，它對(duì)樣本數(shù)據(jù)要求相對(duì)簡(jiǎn)單，雖然它的準(zhǔn)確性不如非線性隸屬函數(shù)高，但是經(jīng)過模糊神經(jīng)網(wǎng)絡(luò)的控制也能達(dá)到良好的效果。圖2說明了用梯形函數(shù)來表示ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)隸屬函數(shù)。

3.2模糊神經(jīng)(FNN)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練

模糊神經(jīng)網(wǎng)絡(luò)模型應(yīng)用具體步驟包括兩個(gè)過程①學(xué)習(xí)訓(xùn)練過程：在現(xiàn)有的ERP項(xiàng)目實(shí)施企業(yè)中，選擇成功與失敗典型樣本對(duì)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，經(jīng)過反復(fù)迭代，使系統(tǒng)平均誤差降低到滿意的程度，從而獲得穩(wěn)定的網(wǎng)絡(luò)結(jié)構(gòu)、連接權(quán)值和各參數(shù)。②模型確定后，可用來進(jìn)行ERP項(xiàng)目實(shí)施風(fēng)的評(píng)價(jià)。

(1)樣本數(shù)據(jù)的獲得

選取若干具有代表性的數(shù)據(jù)，通過專家意見調(diào)查，收集相關(guān)數(shù)據(jù)作為樣本數(shù)據(jù)。論文研究選擇對(duì)象主要面向大中小各類企業(yè)，除已實(shí)施ERP的企業(yè)外，也包括將要實(shí)施ERP的企業(yè)。我們通過東西部地區(qū)200多家案例企業(yè)獲得樣本數(shù)據(jù)，進(jìn)行統(tǒng)計(jì)分析。先對(duì)樣本數(shù)據(jù)進(jìn)行穩(wěn)定性處理，鑒于論文取得的樣本數(shù)據(jù)容量較大，各指標(biāo)取值范圍較廣，數(shù)據(jù)具有一定的平滑性，因此選用兩倍、三倍標(biāo)準(zhǔn)差檢驗(yàn)法進(jìn)行異常數(shù)據(jù)剔除，最終獲得（167個(gè)）樣本數(shù)據(jù)。

(2)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練結(jié)果

模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程也就是網(wǎng)絡(luò)參數(shù)修正的過程，本系統(tǒng)的網(wǎng)絡(luò)學(xué)習(xí)采用有教師的學(xué)習(xí)方法，網(wǎng)絡(luò)參數(shù)的修正采用梯度法實(shí)現(xiàn)。

(3)ERP實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)輸出

模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練趨向穩(wěn)定后，并滿足指定的性能指標(biāo)(如訓(xùn)練誤差)，說明神經(jīng)網(wǎng)絡(luò)已訓(xùn)練結(jié)束，可以用來評(píng)價(jià)企業(yè)ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)。將待評(píng)價(jià)的對(duì)象按模糊規(guī)則轉(zhuǎn)換后得到n個(gè)輸入量，已訓(xùn)練好的網(wǎng)絡(luò)模型就可以通過輸入量到輸出實(shí)現(xiàn)；輸出結(jié)果為隸屬度向量O=(O1，O2，O3，O4,,O5)，定義為最大隸屬度。即，=MAX(O1，O2，O3，O4，O5)。

根據(jù)最大隸屬度原則就可以確定待評(píng)價(jià)的ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)的大小。在每次評(píng)價(jià)工作中，無論評(píng)價(jià)結(jié)果是否得到了專家的認(rèn)可，都可以把它作為新的學(xué)習(xí)樣本讓這個(gè)模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)系統(tǒng)不斷學(xué)習(xí)、繼續(xù)完善，以使它做出更準(zhǔn)確的評(píng)價(jià)。

4結(jié)論

本文確立了企業(yè)ERP實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)體系，建立了基于模糊神經(jīng)網(wǎng)絡(luò)的ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)模型，利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)風(fēng)險(xiǎn)評(píng)價(jià)功能，可以充分利用以往的經(jīng)驗(yàn)，使評(píng)價(jià)系統(tǒng)具有學(xué)習(xí)能力。模糊神經(jīng)網(wǎng)絡(luò)用于評(píng)價(jià)企業(yè)ERP實(shí)施風(fēng)險(xiǎn)非常適合，這不僅可以評(píng)價(jià)ERP項(xiàng)目實(shí)施各階段風(fēng)險(xiǎn)大小，也可以利用網(wǎng)絡(luò)的預(yù)測(cè)評(píng)價(jià)功能，預(yù)測(cè)將要實(shí)施ERP企業(yè)的風(fēng)險(xiǎn)大小，而且網(wǎng)絡(luò)預(yù)測(cè)誤差小，適合用于各類企業(yè)ERP項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)。

參考文獻(xiàn)

[1]陳啟申.ERP——從內(nèi)部集成起步.北京:電子工業(yè)出版社[M].2004

[2]劉暉.我國企業(yè)發(fā)展與實(shí)施ERP的現(xiàn)狀分析[J].情報(bào)科學(xué).第23卷第6期.2005.6.28~29