神經網絡內部知識提取及其在企業(yè)財務預警中的應用.pdf

1、長期以來，人們把神經網絡經訓練而獲得的知識稱為隱知識或隱規(guī)則，很難為我們理解。因此，神經網絡常常被稱為‘黑匣子’。多層感知器的內部行為是神經網絡理論與應用研究倍受重視的一個問題。在應用中，人們不僅希望神經網絡能實現從輸入變量到輸出變量的計算，而且還想知道它們所學到的知識的顯式表示，輸入與輸出變量之間究竟是什么樣的關系，即，希望用神經網絡方法“從數據中自動得出理論”，以便進一步指導實際工作。 以前，曾在將隱神經元Sigmoid激勵

2、函數近似表示為線性函數的情況下，找出了多層感知器輸出量與輸入量的近似函數關系。該方法所得結果有一部分具有應用價值，但當應用問題具有強非線性時，所提取的知識可靠性差。在此基礎上，本文吸取國際學術界新的研究成果[1]，針對輸入輸出均為連續(xù)量的多層感知器應用問題，利用隱神經元激勵函數分段線性的近似表示方法，提取受訓神經網絡的內部知識，從而得到研究問題中變量間的關系。本文開發(fā)了分段線性算法、多層感知器剪枝和內部知識提出算法的軟件，并將此方法應用