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)基本概念范文,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。
關(guān)鍵詞:學(xué)生綜合素質(zhì)評價(jià);BP神經(jīng)網(wǎng)絡(luò);算法設(shè)計(jì)
中圖分類號:TP311文獻(xiàn)標(biāo)識碼:A文章編號:1009-3044(2009)24-6786-03
BP neural Network Based on the Overall Quality of the Student Evaluation of Algorithm Design
ZHANG Wen-sheng
(Xiamen Gongshang Lvyou Xuexiao, Xiamen 3610012,China)
Abstract: In this paper, the overall quality of the students a variety of evaluation methods carried out in-depth analysis to explore the use of BP neural network theory to evaluate the feasibility of the overall quality, and BP neural network based on the overall quality of the student evaluation of algorithm design.
Key words: evaluation of the overall quality of students; BP neural network; algorithm design
學(xué)校德育教育是提高學(xué)生綜合素質(zhì)的重要一環(huán),在學(xué)校工作中占有舉足輕重的地位。德育涉及大量定性和定量的數(shù)據(jù)處理,為了體現(xiàn)其科學(xué)性和公平性,采用先進(jìn)的計(jì)算機(jī)技術(shù)進(jìn)行學(xué)生綜合素質(zhì)量化評估勢在必行。
1 問題的提出
據(jù)調(diào)查,目前在學(xué)校里對學(xué)生素質(zhì)評價(jià)的方法,主要有以下幾種:
1) 定性描述法
在學(xué)期或?qū)W年結(jié)束時(shí),班主任根據(jù)學(xué)生在班級、學(xué)校和社會(huì)活動(dòng)中的行為表現(xiàn),運(yùn)用文字對學(xué)生的綜合素質(zhì)進(jìn)行描述,作為對學(xué)生的評價(jià)。這種方法在評價(jià)學(xué)生綜合素質(zhì)時(shí)起過一定的作用,但是,由于教師對學(xué)生綜合素質(zhì)評價(jià)的內(nèi)容不明確,要求不統(tǒng)一,帶有一定的主觀片面性和模糊性。
2) 等級劃分法
班主任根據(jù)平時(shí)對學(xué)生的觀察和了解,對學(xué)生的綜合素質(zhì)行為劃分出優(yōu)、良、中、差四個(gè)等級。它只能說明每個(gè)學(xué)生綜合素質(zhì)發(fā)展的程度,在班集體中所處的地位,但缺乏具體內(nèi)容,學(xué)生對于自己或他人的優(yōu)點(diǎn)和缺點(diǎn)、以及個(gè)人今后的努力方向都不明確。
3) 自我總結(jié)法
這種方法是以學(xué)生為主,在教師的指導(dǎo)下總結(jié)自己的收獲,存在的問題、以及今后的努力方向,并寫成書面材料,然后寫在操行表的自我總結(jié)欄內(nèi)。這種方法是以學(xué)生的自我評價(jià)為主,它對于提高學(xué)生的自我評價(jià)能力,具有一定的促進(jìn)作用。但是,由于沒有老師和同學(xué)們參加評價(jià),其評價(jià)結(jié)果缺乏客觀性。
4) 小組評議法
是以班級小組評議為主。通過開評議會(huì)的形式,對全組成員分別進(jìn)行評議,肯定成績,提出缺點(diǎn),最后把大家的意見集中起來,作為對學(xué)生的評價(jià)結(jié)果。它具有一定的客觀性,可是,沒有教師參加評議,影響了評價(jià)結(jié)果的可信度。
上述各種方法的都有一定的長處,也有一定的缺點(diǎn)。例如,對學(xué)生的綜合素質(zhì)的結(jié)構(gòu),沒有明確統(tǒng)一的規(guī)定和具體要求;不能同時(shí)吸收各方面的意見參加評價(jià);沒有制定較為符合需要的綜合素質(zhì)量表和采用科學(xué)的測量手段等等。所以,評價(jià)的結(jié)果往往帶有主觀片面性,評語內(nèi)容的不確定性,以及處在同一等級的同學(xué)之間存在差異的模糊性。于是最近又提出了對學(xué)生綜合素質(zhì)定量進(jìn)行測量和評價(jià)。
5) 定量分?jǐn)?shù)法
將構(gòu)成學(xué)生綜合素質(zhì)的各種因素?cái)?shù)量化,并制定出綜合素質(zhì)量表。在具體的進(jìn)行測量和評價(jià)時(shí),把學(xué)生綜合素質(zhì)所含每種因素的發(fā)展程度分為優(yōu)、良、中、差四個(gè)等級,每個(gè)等級分別對應(yīng)一定的標(biāo)準(zhǔn)值。對不同因素確定不同的權(quán)重大小,再綜合學(xué)生每個(gè)因素所取得的標(biāo)準(zhǔn)值,最后得出學(xué)生的綜合素質(zhì)分。
用定量的方法對學(xué)生的綜合素質(zhì)發(fā)展程度進(jìn)行評價(jià)時(shí),不同因素需要確定不同的權(quán)重大小。權(quán)重的大小對評估結(jié)果十分重要,它反映了各指標(biāo)的相對重要性。由于對不同的因素的權(quán)重是人為給定的,而學(xué)生綜合素質(zhì)的各項(xiàng)因素對學(xué)生的整體素質(zhì)存在不可確定的影響程度,因些在對學(xué)生的測量和評定過程中必然受到主觀因素及模糊隨機(jī)性的影響。并且這種方法需要消耗大量的人力和時(shí)間。
為了探討這個(gè)問題,我們根據(jù)BP神經(jīng)網(wǎng)絡(luò)的基本概念和原理,用神經(jīng)網(wǎng)絡(luò)自我學(xué)習(xí)的方法,對中學(xué)生綜合素質(zhì)進(jìn)行測量和評價(jià)。BP神經(jīng)網(wǎng)絡(luò)能利用經(jīng)驗(yàn)樣本對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,達(dá)到神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí),在網(wǎng)絡(luò)中自動(dòng)建立一個(gè)多輸入變量與輸出變量間的非線性映射過程,無需建立具體的數(shù)學(xué)模型和規(guī)則,可以處理那些難以用模型或規(guī)則描述的過程或系統(tǒng)。神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)、自適應(yīng)的特點(diǎn),能通過連接權(quán)重的不斷調(diào)整,克服權(quán)重確定的困難,弱化人為因素,自動(dòng)適應(yīng)信息、學(xué)習(xí)新知識,最終通過學(xué)習(xí)訓(xùn)練對實(shí)際學(xué)習(xí)樣本提出合理的求解規(guī)則,對學(xué)生的綜合素質(zhì)的整體評定具有十分重要的意義。首先我們來了解BP神經(jīng)網(wǎng)絡(luò)的基本原理。
2BP神經(jīng)網(wǎng)絡(luò)的基本原理
1) 神經(jīng)元網(wǎng)絡(luò)基本概念
神經(jīng)網(wǎng)絡(luò)是單個(gè)并行處理元素的集合,從生物學(xué)神經(jīng)系統(tǒng)得到啟發(fā)。在自然界,網(wǎng)絡(luò)功能主要由神經(jīng)節(jié)決定,可以通過改變連接點(diǎn)的權(quán)重來訓(xùn)練神經(jīng)網(wǎng)絡(luò)完成特定的功能。如圖1所示。這里,網(wǎng)絡(luò)將根據(jù)輸出和目標(biāo)的比較而進(jìn)行調(diào)整,直到網(wǎng)絡(luò)輸出和目標(biāo)匹配。
2) 神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)
圖2所示為一個(gè)單標(biāo)量輸入且無偏置的神經(jīng)元。
神經(jīng)元輸出計(jì)算公式為:a=f(wp+b)。神經(jīng)元中的w和b都是可調(diào)整的標(biāo)量參數(shù)??梢赃x擇特定的傳輸函數(shù),通過調(diào)整權(quán)重 和偏置參量 訓(xùn)練神經(jīng)網(wǎng)絡(luò)做一定的工作,或者神經(jīng)網(wǎng)絡(luò)自己調(diào)整參數(shù)以得到想要的結(jié)果。
3) BP結(jié)構(gòu)及算法描述
在實(shí)際應(yīng)用中,神經(jīng)網(wǎng)絡(luò)用得最廣泛的是反向傳播網(wǎng)絡(luò)(BP網(wǎng)絡(luò)),典型的BP網(wǎng)絡(luò)是三層網(wǎng)絡(luò),包括輸入層、隱含層和輸出層,各層之間實(shí)行全連接。
BP網(wǎng)絡(luò)是采用Widrow-Hoff學(xué)習(xí)算法和非線性可微傳輸函數(shù)的多層網(wǎng)絡(luò)。網(wǎng)絡(luò)的學(xué)習(xí)過程由正向和反向傳播兩部分組成。在正向傳播過程中,每一層神經(jīng)元的狀態(tài)只影響到下一層神經(jīng)元網(wǎng)絡(luò),如果輸出層不能得到期望輸出,就是實(shí)際輸出值與期望輸出值之間有誤差,那么轉(zhuǎn)入反向傳播過程,將誤差信號沿原來的連接通路返回,通過修改各層神經(jīng)元的權(quán)值,逐次地向輸入層傳播去進(jìn)行計(jì)算,再經(jīng)過正向傳播過程,這兩個(gè)過程的反復(fù)運(yùn)用,使得誤差信號最小。實(shí)際上,誤差達(dá)到人們所希望的要求時(shí),網(wǎng)絡(luò)的學(xué)習(xí)過程就結(jié)束了。
4) 反向傳播算法
反向傳播學(xué)習(xí)算法最簡單的應(yīng)用是沿著性能函數(shù)最速增加的方向一梯度的負(fù)方向更新權(quán)重和偏置。這種遞歸算法可以寫成:
xk+1=xk-ak*gk
這里xk是當(dāng)前權(quán)重和偏置向量,gk是當(dāng)前梯度,ak是學(xué)習(xí)速率。在神經(jīng)元中,學(xué)習(xí)速度又稱為“學(xué)習(xí)速率”,它決定每一次循環(huán)訓(xùn)練中所產(chǎn)生的權(quán)值變化量(即該值的存在是神經(jīng)元網(wǎng)絡(luò)的一個(gè)必須的參數(shù))。大的學(xué)習(xí)速度可能導(dǎo)致系統(tǒng)的不穩(wěn)定,但小的學(xué)習(xí)速度將會(huì)導(dǎo)致訓(xùn)練較長,收斂速度很慢,通常情況下取值在0-01~0,8之間。
3 基于BP神經(jīng)網(wǎng)絡(luò)的學(xué)生綜合素質(zhì)量化評估模型
從上述對神經(jīng)元網(wǎng)絡(luò)基本概念的研究,我們可以看出BP神經(jīng)網(wǎng)絡(luò)主要根據(jù)所提供的數(shù)據(jù),通過學(xué)習(xí)和訓(xùn)練,找出輸入與輸出之間的內(nèi)在聯(lián)系,從而求取問題的解,而不是完全依據(jù)對問題的經(jīng)驗(yàn)知識和規(guī)則,因而具有自適應(yīng)功能,這對于弱化權(quán)重確定中的人為因素是十分有益的;其次能夠處理那些有噪聲或不完全的數(shù)據(jù),具有泛化功能和很強(qiáng)的容錯(cuò)能力;由于實(shí)際對學(xué)生量化評估往往是非常復(fù)雜的,各個(gè)因素之間相互影響,呈現(xiàn)出復(fù)雜的非線性關(guān)系,人工神經(jīng)網(wǎng)絡(luò)為處理這類非線性問題提供了強(qiáng)有力的工具。因此與其它評定方法相比,基于神經(jīng)網(wǎng)絡(luò)的評價(jià)方法越來越顯示出它的優(yōu)越性。結(jié)合學(xué)校對學(xué)生進(jìn)行綜合素質(zhì)評估考核的具體問題,我們提出以下設(shè)計(jì)。
3.1量化評估內(nèi)容的確定
1) 確定學(xué)生的綜合素質(zhì)結(jié)構(gòu)
學(xué)生的綜合素質(zhì)結(jié)構(gòu),主要是根據(jù)一定歷史階段的社會(huì)要求、學(xué)校對學(xué)生的傳統(tǒng)要求,以及各個(gè)不同年齡階段學(xué)生心理和生理發(fā)展的特征來確定的,它具有一定的社會(huì)性、科學(xué)性、可行性。以教育部提出的職業(yè)學(xué)校學(xué)生發(fā)展目標(biāo)為依據(jù),評定內(nèi)容包括:道德品質(zhì)與公民素養(yǎng)、學(xué)習(xí)能力、交流與合作能力、運(yùn)動(dòng)與健康、審美與表現(xiàn)、職業(yè)技能等6個(gè)層次。每個(gè)層次又包括各種因素,各層次和因素之間又是相互聯(lián)系和相互促進(jìn)的,它既反映了社會(huì)的、學(xué)校的具體要求,又符合學(xué)生綜合素質(zhì)發(fā)展和形成的規(guī)律。當(dāng)然,在實(shí)際評價(jià)學(xué)生中,可以根據(jù)學(xué)校的實(shí)際特點(diǎn)進(jìn)一步確定各要素,進(jìn)一步構(gòu)成學(xué)生綜合素質(zhì)評價(jià)的綜合評價(jià)指標(biāo)體系。
2) 學(xué)生綜合素質(zhì)評價(jià)的結(jié)構(gòu)設(shè)計(jì)
用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)生綜合素質(zhì)評價(jià)結(jié)構(gòu)的設(shè)計(jì)如圖3所示。對學(xué)生的綜合素質(zhì)進(jìn)行量化評估時(shí),從輸入層輸入評價(jià)學(xué)生綜合素質(zhì)的n個(gè)評價(jià)指標(biāo)因素信息,經(jīng)隱含層處理后傳入輸入層,其輸出值y即為學(xué)生評估結(jié)果。這n個(gè)評價(jià)指標(biāo)因素的設(shè)置,要考慮到能符合學(xué)生綜合素質(zhì)發(fā)展和形成的規(guī)律,能全面評價(jià)學(xué)生的綜合素質(zhì)狀況。
網(wǎng)絡(luò)結(jié)構(gòu)的參數(shù)選擇十分重要,由于輸入層與隱含層神經(jīng)元個(gè)數(shù)的增加會(huì)增加網(wǎng)絡(luò)的表達(dá)能力,不僅會(huì)降低系統(tǒng)的性能,同時(shí)也會(huì)影響其收斂速度和增加噪聲干擾。所以首先必須確定輸入層神經(jīng)元的數(shù)目。為使模型即有理論價(jià)值又有可操作性,本例對應(yīng)于對學(xué)生綜合素質(zhì)考核結(jié)構(gòu)的六個(gè)因素,本文采用6個(gè)輸入神經(jīng)元,分別為道德品質(zhì)與公民素養(yǎng)、學(xué)習(xí)能力、交流與合作能力、運(yùn)動(dòng)與健康、審美與表現(xiàn)、職業(yè)技能等評價(jià)指標(biāo)。由于目前隱單元數(shù)尚無一般的指導(dǎo)原則,為了兼顧網(wǎng)絡(luò)的學(xué)習(xí)能力和學(xué)習(xí)速度,隱含層神經(jīng)元的個(gè)數(shù)選擇采用試算法,在網(wǎng)絡(luò)訓(xùn)練過程中進(jìn)行調(diào)整。筆者首先選定15,用訓(xùn)練樣本來學(xué)習(xí),然后減少隱含層單元數(shù)后再進(jìn)行學(xué)習(xí),通過觀察訓(xùn)練誤差變化的大小來調(diào)整隱單元數(shù)。其原則是:若在減少隱單元數(shù)進(jìn)行訓(xùn)練時(shí)過程平衡(即逐步收斂并達(dá)到較小的誤差)且誤差無顯著增加,則說明減少隱單元數(shù)是合適的;否則表明隱單元數(shù)不宜減少,而應(yīng)增加隱單元數(shù)直到滿意為止。選擇一個(gè)輸入神經(jīng)元為學(xué)生綜合素質(zhì)最終評價(jià)結(jié)果,分別以0、0,5、1對應(yīng)于學(xué)生評議等級的優(yōu)、良、中三種不同的評價(jià)結(jié)果。經(jīng)過多次實(shí)驗(yàn),最后得到適宜的網(wǎng)絡(luò)模型為6-4-1網(wǎng)絡(luò)模式。
3.2 量化評估模型
1) 指標(biāo)體系的規(guī)范化處理
根據(jù)神經(jīng)網(wǎng)絡(luò)計(jì)算規(guī)則,為了保證輸出在線性部分,不到兩端去,應(yīng)保證輸入輸出在0-1之間,反傳達(dá)時(shí)也一樣,輸出應(yīng)在0~1之間。因此要將原始數(shù)據(jù)歸一預(yù)處理,變換為[0,1]區(qū)間的數(shù)值,得到規(guī)范化數(shù)據(jù),作為輸入輸出節(jié)點(diǎn)的樣本數(shù)據(jù)。原始數(shù)據(jù)采用我校高一年一個(gè)班級的50名學(xué)生的學(xué)生綜合素質(zhì)各項(xiàng)指標(biāo)因素樣本數(shù)據(jù),將實(shí)際數(shù)據(jù)分為兩組:前40名學(xué)生的各項(xiàng)指標(biāo)因素成績樣本數(shù)據(jù)作為學(xué)習(xí)樣本,后10名學(xué)生的成績數(shù)據(jù)作為測試樣本。
2) 學(xué)習(xí)算法
本模型采用6-4-1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),其中輸入層為6個(gè)指標(biāo)值和一個(gè)閾值。模型初始化時(shí)對所有的連接權(quán)賦予(0,1)上分布的隨機(jī)數(shù),閾值取1。權(quán)值的修正依據(jù)帶慣性因子的delta規(guī)則。根據(jù)多次試驗(yàn)的結(jié)果,其中,慣性因子α=0.075,學(xué)習(xí)率η=0.85,將樣本數(shù)據(jù)40組為一次循環(huán),每次循環(huán)記錄40組樣本中最大的學(xué)習(xí)誤差。經(jīng)過多次的學(xué)習(xí),最后觀察網(wǎng)絡(luò)輸入與期望輸出的相對誤差,當(dāng)誤差小于0.005時(shí),學(xué)習(xí)結(jié)束??梢缘玫饺绻龃髽颖镜膫€(gè)數(shù),精度還會(huì)進(jìn)一步提高。
本文探討了神經(jīng)網(wǎng)絡(luò)在學(xué)生綜合素質(zhì)評價(jià)上的應(yīng)用方法,可取得較為理想的結(jié)果,它可以解決用傳統(tǒng)統(tǒng)計(jì)方法不能或不易解決的問題。但是由于它是一種黑盒方法,無法表達(dá)和分析評估系統(tǒng)的輸入與輸出間的關(guān)系,因此也難于對所得結(jié)果作任何解釋,對求得的結(jié)果作統(tǒng)計(jì)檢驗(yàn);再者,采用神經(jīng)網(wǎng)絡(luò)作評價(jià)系統(tǒng)時(shí),由沒有一個(gè)便于選定最合適的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的標(biāo)準(zhǔn)方法,只能花大量時(shí)間采用湊試法,從許多次實(shí)驗(yàn)中找出“最合適”的一種;還有樣本數(shù)據(jù)需要足夠的多,才能得到較為理想的結(jié)果。
參考文獻(xiàn):
[1] 高長梅,趙承志,白昆榮.學(xué)校德育工作全書(上)[M].北京:人民日報(bào)出版社,2005.
[2] 聞新,周露,李翔,張寶偉.MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M].北京:科學(xué)出版社,2008.
[3] J.P.Marques de sa,Pattern Recognition―Concepts,Methods and Applications[M].北京:清華大學(xué)出版社,2006.
關(guān)鍵詞:模糊神經(jīng)網(wǎng)絡(luò);字符識別;角點(diǎn);連通域
0 引言
印刷體字符識別技術(shù)具有極大的實(shí)用價(jià)值,被廣泛應(yīng)用于大量文報(bào)資料、財(cái)務(wù)票據(jù)、文案掃描等文件處理領(lǐng)域[1]。它采用模式識別方法,將通過光學(xué)掃描輸入得到的印刷品圖像,轉(zhuǎn)化為計(jì)算機(jī)能夠處理的電子文檔,其技術(shù)衡量指標(biāo)包括識別率、識別速度、版面理解正確率及版面還原滿意度四個(gè)方面[2]。
近年來,以模糊邏輯、神經(jīng)網(wǎng)絡(luò)與遺傳算法為代表的人工智能這一新興學(xué)科以其強(qiáng)大的學(xué)習(xí)功能在字符識別領(lǐng)域得到了廣泛的應(yīng)用。其中,模糊控制常用于少量字符情況下,它具有不依賴被控對象的精確模型、魯棒性強(qiáng)、算法簡明易懂等特點(diǎn),但是其規(guī)則庫難于設(shè)計(jì),學(xué)習(xí)功能差;神經(jīng)網(wǎng)絡(luò)可以用于大規(guī)模字符識別,它具有能夠逼近任意非線性函數(shù)關(guān)系的能力和比較方便的學(xué)習(xí)手段等特點(diǎn)[3,4],但其參數(shù)不易收斂,推理功能差。而模糊神經(jīng)網(wǎng)絡(luò)集兩者優(yōu)勢于一體,具有高魯棒性和高度非線性學(xué)習(xí)能力,能夠準(zhǔn)確、快速的對已有數(shù)據(jù)進(jìn)行學(xué)習(xí),并在一定程度上提高了字符識別效率。本文利用模糊神經(jīng)網(wǎng)絡(luò),采用角點(diǎn)定位和連通域提取等技術(shù),設(shè)計(jì)了一套印刷體字符識別的新方法。
1 FNN結(jié)構(gòu)和學(xué)習(xí)算法
FNN結(jié)構(gòu)如圖1所示,第一層為輸入層,該層的各個(gè)結(jié)點(diǎn)直接于輸入圖像向量的各分量x1連接,它起著將輸入值x=[x1 x2 …xn]T傳送到下一層的作用,該層結(jié)點(diǎn)數(shù)N1=n;第二層每個(gè)結(jié)點(diǎn)代表一個(gè)模糊語言變量值,如PB,NS等。它的作用是計(jì)算各輸入分量屬于各語言變量值模糊集合的隸屬度u,本文的隸屬度函數(shù)采用最常用的高斯函數(shù),該層結(jié)點(diǎn)數(shù)N2=m1+m2+…mn;第三層的每個(gè)結(jié)點(diǎn)代表一條模糊規(guī)則,它的作用是用來匹配模糊規(guī)則的前件,計(jì)算出每條的適用度,即ai=min{ ui1,ui1,ui2…uin},對于給定的輸入,只有在輸入點(diǎn)附近的那些語言變量值才有較大的隸屬度值,遠(yuǎn)離輸入點(diǎn)的語言變量值的隸屬度很小或者是0,該層結(jié)點(diǎn)數(shù)為m;第四層用于歸一化計(jì)算,其結(jié)點(diǎn)數(shù)與第三層相同;第五層是輸出層,實(shí)現(xiàn)清晰化計(jì)算,其yi=wi1a1+ wi2a2+ … wirar,i=1,2,..r。
圖1
該網(wǎng)絡(luò)學(xué)習(xí)方法與BP反向傳播網(wǎng)絡(luò)訓(xùn)練方法類似,基本步驟為:①初始化網(wǎng)絡(luò)的隨機(jī)權(quán)值wi;②計(jì)算結(jié)果與期望輸出向量的誤差;③按a=0.7的比例學(xué)習(xí)因數(shù)調(diào)整第五層神經(jīng)元的權(quán)重,以減少與期望的誤差;④將誤差返回到上層的每個(gè)神經(jīng)元;⑤重復(fù)③④調(diào)整每個(gè)神經(jīng)元的權(quán)重,直到網(wǎng)絡(luò)滿足要求為止。
2 字符特征提取
圖2為系統(tǒng)流程圖,在圖像采集后,需要將圖像規(guī)則化,這通過濾波、二值化、平移、旋轉(zhuǎn)等操作來實(shí)現(xiàn)。圖像濾波方法很多,本文采用常用的平滑濾波;而旋轉(zhuǎn)變換則需要判斷出圖像的角度。一般印刷品具有規(guī)則的幾何形狀,故在標(biāo)準(zhǔn)平面坐標(biāo)下,根據(jù)圖像四個(gè)角之間相對距離的不變性,經(jīng)過旋轉(zhuǎn)后的圖像必與水平坐標(biāo)呈某一角度[5] ,故可以檢測出圖像的四個(gè)角作為角點(diǎn),計(jì)算出角點(diǎn)間連線與水平坐標(biāo)的夾角,進(jìn)而將待檢測圖像及標(biāo)準(zhǔn)圖像恢復(fù)到水平位置,即可做進(jìn)一步的單個(gè)字符提取,按照正確的角度去識別印刷品上的內(nèi)容。
角點(diǎn)是二維圖像亮度變化劇烈的點(diǎn)或圖像邊緣曲線上曲率極大值的點(diǎn),通過對待檢測圖像求其二次梯度圖,可知其每個(gè)象素點(diǎn)的灰度變化劇烈程度,進(jìn)而獲得圖像四個(gè)角的坐標(biāo)值。然后,通過角點(diǎn)坐標(biāo),我們可以計(jì)算出圖像的傾斜角度,則角度旋轉(zhuǎn)后可將圖像轉(zhuǎn)化為與標(biāo)準(zhǔn)模板相同的角度。
下一步就是提取單個(gè)字符并識別,本文采用連通域分析法進(jìn)行字符提取。
象素的連通域是一個(gè)基本概念,它能夠?qū)?shù)字圖像區(qū)域和邊界等概念進(jìn)行簡化。當(dāng)兩個(gè)象素相鄰并且象素值滿足一定的相似性準(zhǔn)則,則這兩個(gè)象素連通,依據(jù)具體范圍需要,一般分為4鄰接連通域,8鄰接連通域和m連接連通域。本實(shí)驗(yàn)是在已知字符大小的情況下,將規(guī)定的、大小合理的提取線框從左、上到右、下進(jìn)行逐行移動(dòng),依據(jù)各種標(biāo)點(diǎn)符號的類型,漢字的上下、左右等構(gòu)成方式,把規(guī)定合理范圍內(nèi)最相近連通域結(jié)合,視為一個(gè)字符。為了防止產(chǎn)品印刷過程中漏印、飛墨、針孔、刮擦等情況出現(xiàn),我們又針對不同的連通域使用不同的圖像處理方法,比如:為防止漏印,將4連接連通域和8連接連通域結(jié)合使用,減少漏印象素的影響;為防止飛墨,將完全連通域取中值,以恢復(fù)其合理的結(jié)構(gòu)。
3 仿真研究
本文仿真軟件使用MatlabR2010b,圖像采集設(shè)備為工業(yè)攝像頭。模糊神經(jīng)網(wǎng)絡(luò)輸入為上述規(guī)定方框的象素值,輸出為人工設(shè)定的字符標(biāo)號,比如:0表示阿拉伯?dāng)?shù)字‘0’,55表示漢字‘人’字,80表示英文字母‘B’。
該系統(tǒng)采用監(jiān)督學(xué)習(xí)方法,依據(jù)1、2所述原理,第一步為訓(xùn)練階段,采集標(biāo)準(zhǔn)印刷品圖像上面300個(gè)常見字符作為訓(xùn)練數(shù)據(jù),對所建模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。第二步是學(xué)習(xí)測試階段,將作為訓(xùn)練的印刷品作為測試樣本,其學(xué)習(xí)準(zhǔn)確率為98%,高于單獨(dú)使用神經(jīng)網(wǎng)絡(luò)(92%);第三步是實(shí)際測試階段,將其他類似印刷品字符作為測試數(shù)據(jù),得出的字符識別準(zhǔn)確率是86.53%,高于單獨(dú)使用神經(jīng)網(wǎng)絡(luò)(74%)。
4 結(jié)論
本文利用模糊神經(jīng)網(wǎng)絡(luò),使用角點(diǎn)定位和連通域分析等技術(shù),建立了一個(gè)印刷品字符識別器。實(shí)驗(yàn)結(jié)果表明,相對于單純學(xué)習(xí)算法,該模糊神經(jīng)網(wǎng)絡(luò)具有很好的學(xué)習(xí)能力和很強(qiáng)的魯棒性,能夠很好應(yīng)用于印刷品字符識別領(lǐng)域。未來工作可放在改進(jìn)學(xué)習(xí)算法和在字符大小不同情況下的識別兩個(gè)方面。
圖2
參考文獻(xiàn)
[1] 李果. 自動(dòng)印刷質(zhì)量檢測技術(shù)及系統(tǒng)綜述[J]. 印刷質(zhì)量與標(biāo)準(zhǔn)化,2011.
[2] 鐘輝. 彩色印刷品圖像缺陷自動(dòng)檢測系統(tǒng)算法的研究[D]. 吉林大學(xué),2007
[3] 趙曉霞. 一種粗糙模糊神經(jīng)網(wǎng)絡(luò)識別器及其應(yīng)用[J]. 中北大學(xué)學(xué)報(bào)(自然科學(xué)版),2009
[4] 周澤華, 胡學(xué)友等. 基于神經(jīng)網(wǎng)絡(luò)的印刷體數(shù)字字符的識別[J]. 自動(dòng)化與儀器儀表,2009
[5] 王詩琴, 程耀瑜等. 等基于角點(diǎn)定位的印刷品缺陷監(jiān)測[J]. 信號與系統(tǒng), 2011
作者簡介
關(guān)鍵詞:人工神經(jīng)網(wǎng)絡(luò);信息處理;風(fēng)險(xiǎn)評估
中圖分類號:TP18 文獻(xiàn)標(biāo)識碼:A 文章編號:1009-3044(2014)06-1285-02
Research on the Application of Artificial Neural Network
LI Hong-chao
(China University of Petroleum (East China), Qingdao 266580,China)
Abstract: Artificial neural networks are part of an integrated artificial intelligence, it is proposed is based on research of modern neuroscience. With the continuous development of artificial neural networks, and their use more widely. This article first analyzes the basic concepts and features of artificial neural networks, from six aspects of information, medicine, psychology and other details of the application of artificial neural networks.
Key words: artificial neural network; information processing; risk assessment
1 人工神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò),英文名為“Artificial Neural Network”,簡稱ANN,它充分分析大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)特點(diǎn),對其進(jìn)行模擬,然后進(jìn)行信息處理。簡單來說,人工神經(jīng)網(wǎng)絡(luò)就是對人腦結(jié)構(gòu)、人腦功能的模仿。它的特點(diǎn)有很多,比如非線性、非局限性、非常定性、非凸性等。這些特點(diǎn)鑄就了人工神經(jīng)網(wǎng)絡(luò)的各種功能,促進(jìn)了它的應(yīng)用。
2 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用
隨著人們對人工神經(jīng)網(wǎng)絡(luò)的不斷研究,人工神經(jīng)網(wǎng)絡(luò)的作用越來越大,給人們提供了更好的服務(wù),下面就以人工神經(jīng)網(wǎng)絡(luò)在信息領(lǐng)域、醫(yī)學(xué)、經(jīng)濟(jì)領(lǐng)域、控制領(lǐng)域、交通運(yùn)輸、心理學(xué)六個(gè)方面分別介紹其應(yīng)用。
2.1 信息領(lǐng)域
人工神經(jīng)網(wǎng)絡(luò)在信息領(lǐng)域的應(yīng)用分為兩個(gè)方面,一個(gè)是信息處理,一個(gè)是信息識別。
1)信息處理
由于現(xiàn)代信息的多樣化和多變性的特點(diǎn),信息處理就變得復(fù)雜起來,人工神經(jīng)網(wǎng)絡(luò)可以對人的一部分思維能力進(jìn)行模仿甚至代替,解決傳統(tǒng)信息處理的困難。在通常情況下,人工神經(jīng)網(wǎng)絡(luò)可以自動(dòng)診斷問題,開啟問題求解模式。另外,人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的容錯(cuò)性能高,當(dāng)其連接線遭到破壞,自身的組織功能還是可以保持它的優(yōu)化工作狀態(tài)。因此,軍事系統(tǒng)充分利用這一優(yōu)勢,在其電子設(shè)備廣泛應(yīng)用人工網(wǎng)絡(luò)信息系統(tǒng)。
2)模式識別
這項(xiàng)功能的理論基礎(chǔ)有兩個(gè),一個(gè)是貝葉斯的概率論,另一個(gè)是申農(nóng)提出的信息論。模式識別主要是分析和處理存在于目標(biāo)體上的各種形式的信息,然后在處理和分析的基礎(chǔ)上對目標(biāo)體進(jìn)行描述、辨認(rèn)等過程。隨著人工神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用,傳統(tǒng)的模式識別逐漸被取代。隨著模式識別的發(fā)展,已經(jīng)逐漸應(yīng)用到語音識別、人臉識別、文字識別等各個(gè)方面。
2.2 醫(yī)學(xué)領(lǐng)域
人體是非常復(fù)雜的,在醫(yī)學(xué)中,想要弄清楚疾病的類型、疾病的嚴(yán)重情況等,僅僅依靠傳統(tǒng)的望聞問切診斷方法是遠(yuǎn)遠(yuǎn)不夠的,醫(yī)學(xué)的發(fā)展需要運(yùn)用新技術(shù)。人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于醫(yī)學(xué)中,可以分析生物信號,觀察信息的表現(xiàn)形式以及研究信息的變化規(guī)律,將這三者的結(jié)果進(jìn)行分析和比較,從而掌握病人的病情。
1)生物信號的檢測與分析
在醫(yī)學(xué)診斷中,醫(yī)生基本上都是通過對醫(yī)學(xué)設(shè)備中呈現(xiàn)出來的連續(xù)波形進(jìn)行分析。人工神經(jīng)網(wǎng)絡(luò)中有一套自適應(yīng)的動(dòng)力學(xué)系統(tǒng),該系統(tǒng)由一些數(shù)量龐大的簡單處理單元互相連接。因此,它具有多種功能,比如Massively Parallelism,即所謂的巨量并行,分布式存貯功能以及強(qiáng)大的自組織自學(xué)習(xí)功能等。用常規(guī)處理法處理生物醫(yī)學(xué)信號分析非常困難,而人工神經(jīng)網(wǎng)絡(luò)的功能可以有效解決難題,其在生物醫(yī)學(xué)人腦檢測與處理中的應(yīng)用非常廣泛,比如分析電腦信號,對心電信號進(jìn)行壓縮處理,醫(yī)學(xué)圖像的識別等,在很大程度上促進(jìn)了醫(yī)學(xué)的發(fā)展。
2)醫(yī)學(xué)專家系統(tǒng)
對于傳統(tǒng)的專家系統(tǒng)而言,其工作原理基本上就是先由專家根據(jù)自己多年的醫(yī)學(xué)經(jīng)歷,總結(jié)自己的經(jīng)驗(yàn)和所掌握的知識,以某種規(guī)則的形式將這些經(jīng)驗(yàn)和知識存儲在電腦中,建立一個(gè)專家的知識庫,然后借助邏輯推理等方式開展醫(yī)療診斷工作。但是,隨著專家知識的不斷增長和經(jīng)驗(yàn)的日益豐富化,數(shù)據(jù)庫的規(guī)模會(huì)越來越大,極有可能產(chǎn)生知識“爆炸”的現(xiàn)象。同時(shí),專家在獲取知識的過程中也會(huì)遇到困難,導(dǎo)致工作效率低下。人工神經(jīng)網(wǎng)絡(luò)中的非線性并行處理方式解決了傳統(tǒng)專家系統(tǒng)中的困難,在知識推理、自組織等方面都有了很大的提高,醫(yī)學(xué)專家系統(tǒng)也開始逐漸采用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)。
在醫(yī)學(xué)領(lǐng)域中,麻醉和危重醫(yī)學(xué)的研究過程中,存在很多的生理方面的分析與檢測工作,人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)有良好的信號處理能力,排除干擾信號,準(zhǔn)確檢測臨床狀況的相關(guān)情況,有力促進(jìn)了醫(yī)學(xué)的發(fā)展。
2.3 經(jīng)濟(jì)領(lǐng)域
經(jīng)濟(jì)的快速有效增長是基于人們對市場規(guī)律良好的掌握和運(yùn)用以及對經(jīng)濟(jì)活動(dòng)中的風(fēng)險(xiǎn)評估,及時(shí)應(yīng)對和解決,這樣才能保障經(jīng)濟(jì)活動(dòng)的快速發(fā)展。人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于經(jīng)濟(jì)領(lǐng)域,主要有預(yù)測市場價(jià)格和評估經(jīng)濟(jì)風(fēng)險(xiǎn)兩個(gè)方面。
1)預(yù)測市場價(jià)格的波動(dòng)情況
商品的價(jià)格主要是由市場的供求關(guān)系和國家宏觀調(diào)控來變化的。國家的宏觀調(diào)控是客觀存在的,我們可以在遵循國家宏觀調(diào)控的前提之下分析市場的供求關(guān)系,從而預(yù)測商品的市場價(jià)格。在傳統(tǒng)的統(tǒng)計(jì)學(xué)方法中,在預(yù)測價(jià)格波動(dòng)時(shí)因其自身的局限性,難以做出科學(xué)的判斷。人工神經(jīng)網(wǎng)絡(luò)可以有效處理不完整數(shù)據(jù)和規(guī)律性不強(qiáng)的數(shù)據(jù),它是傳統(tǒng)統(tǒng)計(jì)方法所不能達(dá)到的。人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)基于市場價(jià)格的確定機(jī)制,綜合分析影響商品價(jià)格的因素,比如城市化水平、人均工資水平、貸款情況等,將這些復(fù)雜的因素綜合起來,建立一個(gè)模型,通過模型中的數(shù)據(jù)顯示,科學(xué)預(yù)測商品的市場價(jià)格波動(dòng)情況,有效利用商品的價(jià)格優(yōu)勢。
2)評估經(jīng)濟(jì)風(fēng)險(xiǎn)
經(jīng)濟(jì)風(fēng)險(xiǎn),即Economic Exposure,它指的是由于經(jīng)濟(jì)前景的一些不確定因素,導(dǎo)致經(jīng)濟(jì)實(shí)體出現(xiàn)重大的經(jīng)濟(jì)損失。在處理經(jīng)濟(jì)風(fēng)險(xiǎn)的時(shí)候,做好的措施就是防患于未然,做好評估和預(yù)測,將經(jīng)濟(jì)風(fēng)險(xiǎn)扼殺在萌芽時(shí)期。人為的主觀判斷經(jīng)濟(jì)風(fēng)險(xiǎn)具有一定的可靠性,但是也存在很多的不足。將人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)應(yīng)用于評估經(jīng)濟(jì)風(fēng)險(xiǎn),可以有效彌補(bǔ)人為判斷風(fēng)險(xiǎn)的不足。人工神經(jīng)網(wǎng)絡(luò)先提取具體風(fēng)險(xiǎn)來源,然后在此基礎(chǔ)上構(gòu)建出一個(gè)模型,這個(gè)模型一般要符合實(shí)際情況,通過對模型的研究,得出風(fēng)險(xiǎn)評價(jià)系數(shù),最終確定有效的解決方案。
2.4 控制領(lǐng)域
隨著人工神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展,人們開始研究其在控制領(lǐng)域的應(yīng)用。比如現(xiàn)在的機(jī)器人的攝像機(jī)控制、飛機(jī)控制等。它主要是通過控制圖像傳感器,再結(jié)合圖像表面的非線性關(guān)系,進(jìn)行計(jì)算和分析,另外,它還可以將圖像傳感器瞄準(zhǔn)到處于運(yùn)動(dòng)狀態(tài)中的目標(biāo)物上。
2.5 交通運(yùn)輸
交通問題具有高度的非線性特點(diǎn),它的數(shù)據(jù)處理是非常龐大和復(fù)雜的,這與人工神經(jīng)網(wǎng)絡(luò)有很大的吻合性。就目前來講,人工神經(jīng)網(wǎng)絡(luò)應(yīng)用到交通領(lǐng)域有模擬駕駛員的行為、分析交通的模式等等。
2.6 心理學(xué)
人工神經(jīng)網(wǎng)絡(luò)是對人腦神經(jīng)元的信息處理能力的模擬,本身就帶有一定的抽象性,它可以訓(xùn)練很多的認(rèn)知過程,比如感覺、記憶、情緒等。人們通過對人工神經(jīng)系統(tǒng)的不斷研究,多個(gè)角度分析了其認(rèn)知功能。就目前來看,人工神經(jīng)網(wǎng)絡(luò)可以分析人的認(rèn)知,同時(shí)對認(rèn)知方面有缺陷的病人進(jìn)行模擬,取得了很大的進(jìn)步。當(dāng)然,人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于心理學(xué)領(lǐng)域也存在很多的問題,比如結(jié)果精確度不高、模擬算法的速度不夠等,這些都需要人們持之以恒的研究。突破這些難題,促使人工神經(jīng)網(wǎng)絡(luò)有效應(yīng)用于心理學(xué)領(lǐng)域。
3 結(jié)束語
綜上所述,隨著人工神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展,它特有的非線性適應(yīng)能力和自身的模擬結(jié)構(gòu)都有效推動(dòng)了其應(yīng)用范圍。我們應(yīng)該不斷運(yùn)用新技術(shù),不斷完善人工神經(jīng)網(wǎng)絡(luò)的功能,拓寬其應(yīng)用范圍,促進(jìn)其智能化、功能化方向發(fā)展。
參考文獻(xiàn):
[1] 毛健,趙紅東,姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J].電子設(shè)計(jì)工程,2011(12).
[2] 林和平,張秉正,喬幸娟.回歸分析人工神經(jīng)網(wǎng)絡(luò)[J].吉林大學(xué)學(xué)報(bào):信息科學(xué)版,2010(3).
[3] 李雷雷.人工神經(jīng)網(wǎng)絡(luò)在建筑工程估算中的應(yīng)用研究[D].華北電力大學(xué),2012.
關(guān)鍵詞:建筑廢料管理;評價(jià)指標(biāo)體系;評價(jià)方法
中圖分類號:TU72 文獻(xiàn)標(biāo)識碼:A
經(jīng)濟(jì)的高速發(fā)展和城市化進(jìn)程的推進(jìn)形成房屋建筑的巨大需求,促進(jìn)我國建筑行業(yè)快速發(fā)展,同時(shí)產(chǎn)生大量的建筑廢料。要實(shí)現(xiàn)建筑業(yè)的可持續(xù)發(fā)展,就必須實(shí)施建筑廢料管理。實(shí)施有效的建筑廢料管理,要有一個(gè)較科學(xué)合理的評價(jià)指標(biāo)體系。石志方等(1993)針對城市廢塑料污染提出綜合使用廢塑料的回收再用、填埋和分解性塑料的研制與應(yīng)用等方法進(jìn)行治理。趙等(2003)采用主成分分析法及德爾菲法構(gòu)建浙江省生態(tài)環(huán)境可持續(xù)發(fā)展評價(jià)指標(biāo)體系。陳德全等(2006)從減量化、資源化、無害化及社會(huì)經(jīng)濟(jì)發(fā)展四個(gè)控制層面構(gòu)建浙江省循環(huán)經(jīng)濟(jì)發(fā)展指標(biāo)體系。陳帆等(2008)建立了造紙工業(yè)循環(huán)經(jīng)濟(jì)評價(jià)指標(biāo)體系,分為經(jīng)濟(jì)發(fā)展指標(biāo)、循環(huán)經(jīng)濟(jì)特征指標(biāo)、生態(tài)環(huán)境效益指標(biāo)和系統(tǒng)管理指標(biāo)。目前,鮮見對建筑廢料管理評價(jià)指標(biāo)體系進(jìn)行研究。因此,構(gòu)建科學(xué)合理的評價(jià)指標(biāo)體系對建筑廢料管理進(jìn)行評價(jià)。
一、評價(jià)指標(biāo)設(shè)計(jì)的原則
評價(jià)指標(biāo)的構(gòu)建遵循的一般原則包括:①科學(xué)性原則,基于科學(xué)系統(tǒng)的建筑廢料管理理論,在基本概念和邏輯結(jié)構(gòu)上構(gòu)建嚴(yán)謹(jǐn)合理的評價(jià)指標(biāo)體系,并對其客觀實(shí)際抽象描述得清楚、簡練、符合實(shí)際;②系統(tǒng)優(yōu)化原則,以較少的指標(biāo)(數(shù)量較少、層次較少)較全面系統(tǒng)地反映評價(jià)對象的內(nèi)容,達(dá)到評價(jià)指標(biāo)體系的總體最優(yōu);③通用可比原則,評價(jià)指標(biāo)可有效用于同一對象不同時(shí)期以及不同對象間的比較,即縱向比較和橫向比較;④實(shí)用性原則,評價(jià)指標(biāo)體系具有實(shí)用性、可行性和可操作性;⑤目標(biāo)導(dǎo)向原則,評價(jià)的目的是引導(dǎo)和鼓勵(lì)被評價(jià)對象向正確的方向和更高的水平發(fā)展。通過評價(jià)過程對其廢料管理實(shí)踐現(xiàn)狀加深認(rèn)識,通過評價(jià)結(jié)果對其產(chǎn)生激勵(lì)作用,從而不斷提高建筑廢料管理水平。
二、評價(jià)指標(biāo)體系的構(gòu)建
(一)建筑廢料管理評價(jià)指標(biāo)體系。從管理規(guī)范性和實(shí)施有效性對建設(shè)工程的建筑廢料管理進(jìn)行全面評價(jià)。管理規(guī)范性是建筑廢料管理有效實(shí)施的重要基礎(chǔ),組織、資金、計(jì)劃、培訓(xùn)等管理要素貫穿于管理全過程并發(fā)揮影響。實(shí)施有效性是建筑廢料管理實(shí)現(xiàn)預(yù)定目標(biāo),取得良好成果的重要保障。在對建筑廢料管理理論、實(shí)踐方法與流程進(jìn)行系統(tǒng)總結(jié)與提煉的基礎(chǔ)上,初擬以單一新建建設(shè)工程項(xiàng)目(不包含拆除工程)的建筑廢料管理活動(dòng)為評價(jià)對象的評價(jià)指標(biāo)體系。進(jìn)一步通過問卷調(diào)查的形式,向國內(nèi)著名高校建筑管理領(lǐng)域的專家學(xué)者和建筑行業(yè)(主要包括建筑施工行業(yè)和建筑管理咨詢行業(yè)等)的資深從業(yè)人員廣泛征求意見和建議,對初擬的評價(jià)指標(biāo)體系進(jìn)行了調(diào)整、補(bǔ)充和完善,最終構(gòu)建體系較科學(xué)完整、指標(biāo)精煉實(shí)用的評價(jià)指標(biāo)體系,由評價(jià)目標(biāo)、7個(gè)一級指標(biāo)(分為管理規(guī)范性指標(biāo)和實(shí)施有效性指標(biāo)兩類)和19個(gè)二級指標(biāo)構(gòu)成。(表1)
(二)評價(jià)指標(biāo)的內(nèi)涵
1、建筑廢料管理組織。這是建筑廢料管理活動(dòng)的組織者和具體承擔(dān)者,其組織結(jié)構(gòu)和運(yùn)行機(jī)制影響著建筑廢料管理實(shí)踐的效果。
2、建筑廢料管理計(jì)劃。這是建筑廢料管理實(shí)踐的行動(dòng)方案,是對各種資源在時(shí)間、空間上的組織規(guī)劃,是實(shí)現(xiàn)建筑廢料管理目標(biāo)的重要基礎(chǔ)和保障。
3、建筑廢料管理資金。建筑廢料管理的實(shí)踐需要充足和穩(wěn)定的資金支持,才能保證其實(shí)現(xiàn)預(yù)定目標(biāo),達(dá)到良好成效。
4、建筑廢料管理培訓(xùn)?,F(xiàn)場負(fù)責(zé)建筑廢料管理具體實(shí)施的專業(yè)操作工人的技術(shù)水平是影響建筑廢料管理成果的重要因素。另外,其他施工人員對廢料管理的認(rèn)識和配合程度對廢料管理的成效也有著重要的影響。因此,組織建筑廢料管理的相關(guān)培訓(xùn)是保障建筑廢料管理實(shí)踐高效、順利開展的重要條件。
5、建筑廢料管理科研。在工程項(xiàng)目前期設(shè)計(jì)方案和采購計(jì)劃的制定過程中,有效結(jié)合建筑廢料管理的研究,從源頭上控制和削減建筑廢料的產(chǎn)生。
6、建筑廢料處理流程。建筑廢料實(shí)施依靠若干環(huán)節(jié)的銜接和配合,包括廢料處理流程設(shè)計(jì)合理,環(huán)節(jié)精煉,將冗余環(huán)節(jié)最小化。
7、建筑廢料處理操作。結(jié)合工程實(shí)際選擇適宜的操作方法,降低廢料管理成本,提高效益和效率。
8、建筑廢料分類。分類標(biāo)準(zhǔn)越細(xì)對應(yīng)的收集與分選成本越高,因此選擇適當(dāng)?shù)慕ㄖU料分類標(biāo)準(zhǔn)和有效分揀回收廢料。
9、建筑廢料的回收。這是工程現(xiàn)場廢料管理實(shí)踐的第一個(gè)環(huán)節(jié),其工作效率和質(zhì)量對后續(xù)的廢料再用和循環(huán)利用等工作將產(chǎn)生直接影響。
10、建筑廢料的回收再用是對廢料最經(jīng)濟(jì)的一種利用方式。積極發(fā)掘、有效保護(hù)和充分實(shí)現(xiàn)廢料的再用價(jià)值是提高廢料管理經(jīng)濟(jì)性的重要方法。
11、建筑廢料的循環(huán)利用。這是建筑廢料管理的重要工作內(nèi)容之一,也是目前國際上普遍關(guān)心和努力推動(dòng)的廢料管理實(shí)踐,對于實(shí)現(xiàn)建筑業(yè)的可持續(xù)發(fā)展具有重要意義。
12、建筑廢料的填埋處理。不可循環(huán)利用的建筑廢料必須實(shí)行符合規(guī)范的填埋處理,是保護(hù)環(huán)境、避免污染的關(guān)鍵。結(jié)合工程具體情況,就近選擇有資質(zhì)的廢料填埋處理場所,實(shí)施不可循環(huán)利用廢料的安全填埋。
13、建筑廢料管理人員。其技術(shù)水平、專業(yè)素質(zhì)和工作效率是建筑廢料管理實(shí)踐中的重要因素之一。
14、建筑廢料轉(zhuǎn)運(yùn)機(jī)械。這是建筑廢料管理活動(dòng)的主要工具之一,其運(yùn)行使用效率直接影響建筑廢料管理實(shí)踐的效率和效益,包括提高承擔(dān)施工現(xiàn)場與廢料回收中心間廢料轉(zhuǎn)運(yùn)機(jī)械的工作效率。
15、建筑廢料回收站與回收箱。其布置和管理直接影響建筑廢料管理工作的效率。
16、建筑廢料管理成本。建筑廢料管理的經(jīng)濟(jì)效益是建筑廢料管理效益的重要組成部分,因而有必要通過成本計(jì)劃和控制等措施降低廢料管理成本,提高廢料管理經(jīng)濟(jì)效益。
17、建筑廢料銷售收益。建筑廢料管理的經(jīng)濟(jì)效益是建筑廢料管理效益的重要組成部分,因而有必要有效管理可循環(huán)利用廢料,并通過銷售創(chuàng)造收益,提高廢料管理經(jīng)濟(jì)效益。可描述為出售可循環(huán)利用的廢料,為項(xiàng)目創(chuàng)造收益。
18、建筑廢料管理的操作安全。在建筑工程實(shí)踐中,安全生產(chǎn)是重要的前提,在建筑廢料管理的實(shí)踐中,同樣需要注意確保工作安全??擅枋鰹?在建筑廢料的回收、分類和轉(zhuǎn)運(yùn)過程中注意安全,避免和減少事故。
19、建筑廢料處理的環(huán)境安全。有危害性的建筑廢料必須實(shí)行安全填埋處理??擅枋鰹?對于有危害性的建筑廢料,如特殊防腐劑處理過的木料等,須進(jìn)行專門處理而后進(jìn)行填埋,避免環(huán)境污染。
三、評價(jià)方法及流程
人工神經(jīng)網(wǎng)絡(luò)是由大量稱為神經(jīng)元的簡單信息單元廣泛連接組成的復(fù)雜網(wǎng)絡(luò),用于模擬人類大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為,其工作原理是根據(jù)所提供的樣本數(shù)據(jù),通過網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練,找出輸入和輸出之間的內(nèi)在聯(lián)系,建立更接近于人類思維模式的定性與定量相結(jié)合的綜合評價(jià)模型的方法,從而求取問題的解。與采用傳統(tǒng)的評價(jià)方法,如層次分析法、模糊理論分析法等相比具有顯著的優(yōu)越性。①建筑廢料管理的評價(jià)綜合性強(qiáng),各種因素相互影響,存在著復(fù)雜的非線性關(guān)系?;谌斯ど窠?jīng)網(wǎng)絡(luò)的評價(jià)方法具有神經(jīng)網(wǎng)絡(luò)自組織、自適應(yīng)能力,能全面反映對指標(biāo)間的非線性關(guān)系,避免評價(jià)過程中的人為因素及模糊隨機(jī)性的影響;②具有較強(qiáng)的容錯(cuò)能力及泛化功能,能夠處理有噪聲或不完全的數(shù)據(jù);③具有較強(qiáng)的自學(xué)習(xí)能力,通過學(xué)習(xí)新樣本,可使網(wǎng)絡(luò)的知識、經(jīng)驗(yàn)更豐富,評價(jià)結(jié)果更科學(xué)、準(zhǔn)確。因此,本文采用BP人工神經(jīng)網(wǎng)絡(luò)對建筑廢料管理進(jìn)行評價(jià)研究。
基于BP人工神經(jīng)網(wǎng)絡(luò)的建筑廢料管理評價(jià)模型的算法實(shí)現(xiàn)。①確定BP網(wǎng)絡(luò)結(jié)構(gòu)參數(shù),即各層神經(jīng)元節(jié)點(diǎn)數(shù);②以MATLAB為工具,建立一個(gè)輸入層、隱含層、輸出層神經(jīng)元節(jié)點(diǎn)數(shù)分別為19、9、1的人工神經(jīng)網(wǎng)絡(luò),選用trainscg訓(xùn)練函數(shù),初始化網(wǎng)絡(luò)的權(quán)值和閾值,設(shè)置網(wǎng)絡(luò)學(xué)習(xí)精度為10~6;③選定數(shù)據(jù)及兩組邊界限定樣本數(shù)據(jù)作為學(xué)習(xí)樣本輸入網(wǎng)絡(luò),啟動(dòng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。通過不斷執(zhí)行迭代過程,至滿足學(xué)習(xí)精度為止,得到較為準(zhǔn)確的內(nèi)部表示神經(jīng)網(wǎng)絡(luò),即合適的輸入與輸出之間的非線性映射關(guān)系;④將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)存入文件。當(dāng)遇到建筑廢料管理評價(jià)問題時(shí),只需輸入待評價(jià)項(xiàng)目的指標(biāo)得分矩陣,啟動(dòng)網(wǎng)絡(luò),即可得到評價(jià)結(jié)果。
四、案例分析
上海某高校教學(xué)科研綜合樓工程位于該高校東北角。工程采取一些針對性的措施治理施工空氣污染和水污染、處理建筑廢料的基礎(chǔ)措施,降低對周圍環(huán)境的影響,取得了一定的效果。但由于施工單位管理層的廢料管理意識不強(qiáng),因而并沒有建立專職的廢料管理組織和編制專項(xiàng)的廢料管理計(jì)劃及為廢料的分類、回收、利用與處理設(shè)計(jì)專門的流程和方案。
對項(xiàng)目的各項(xiàng)評價(jià)指標(biāo)做出評判。由于各評價(jià)指標(biāo)中定性因素較多,因此采用專家評判方法,對各個(gè)指標(biāo)從優(yōu)至劣劃分優(yōu)秀、良好、一般、及格和不及格五個(gè)等級,分別給以5分、4分、3分、2分和1分。(表2)
將表2的數(shù)據(jù)輸入先前通過專家調(diào)研統(tǒng)計(jì)、函數(shù)訓(xùn)練并保存的神經(jīng)網(wǎng)絡(luò)模型,經(jīng)網(wǎng)絡(luò)計(jì)算,得到該項(xiàng)目建筑廢料管理的綜合評價(jià)得分為3.0366,表明該項(xiàng)目的建筑廢料管理總體水平一般。該評價(jià)結(jié)果經(jīng)該項(xiàng)目的項(xiàng)目經(jīng)理和總監(jiān)理工程師確認(rèn),基本符合項(xiàng)目的實(shí)際情況。證明基于BP人工神經(jīng)網(wǎng)絡(luò)的評價(jià)模型可以有效地應(yīng)用于建筑廢料管理評價(jià)的實(shí)踐。
五、結(jié)語
本文構(gòu)建的建筑廢料管理評價(jià)指標(biāo)體系豐富了建筑廢料管理評價(jià)指標(biāo)的理論,有利于提高建筑廢料管理水平,為其提供參考依據(jù);提出了應(yīng)用BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行評價(jià),并以實(shí)際案例進(jìn)行了演示,得出該評價(jià)模型適用于建筑廢料管理評價(jià)實(shí)踐的結(jié)論。
(作者單位:同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院)
主要參考文獻(xiàn):
[1]石志方,劉健,陸平中等.廢塑料污染的綜合治理[J].環(huán)境污染與防治,1993.
[2]趙多,盧劍波,閔懷.浙江省生態(tài)環(huán)境可持續(xù)發(fā)展評價(jià)指標(biāo)體系的建立[J].環(huán)境污染與防治,2003.12.25.
[3]陳德全等.浙江省循環(huán)經(jīng)濟(jì)發(fā)展評價(jià)指標(biāo)體系研究[J].環(huán)境污染與防治,2006.4.28.
[4]陳帆,吳波,祝秀蓮.造紙工業(yè)循環(huán)經(jīng)濟(jì)模式評價(jià)指標(biāo)體系研究[J].環(huán)境污染與防治,2008.5.30.
【關(guān)鍵詞】 毒邪;證候;SARS
筆者以中醫(yī)理論為指導(dǎo),結(jié)合SARS發(fā)病特點(diǎn),從現(xiàn)代心理測量理論出發(fā),并引入結(jié)構(gòu)化的決策方式,編制了SARS中醫(yī)證候特征及其演變規(guī)律一線專家調(diào)查問卷。運(yùn)用德爾菲法重新修訂問卷結(jié)構(gòu)和內(nèi)容,建立了三維結(jié)構(gòu)化的關(guān)聯(lián)數(shù)據(jù)庫(以下簡稱“專家調(diào)查問卷數(shù)據(jù)庫”)。通過對京、津、粵地區(qū)880份專家調(diào)查問卷數(shù)據(jù)進(jìn)行統(tǒng)計(jì)處理,對各個(gè)階段不同的癥狀群和舌脈進(jìn)行辨證分析,確定了證候類別和SARS證候因素?!ARS的證候因素是互相聯(lián)系互相影響的。現(xiàn)代醫(yī)學(xué)已經(jīng)認(rèn)識到心理失衡影響機(jī)體免疫力,導(dǎo)致抵抗力下降;而中醫(yī)理論認(rèn)為,情志不暢易使肝失疏泄條達(dá),而致肝氣郁結(jié),氣機(jī)升降失調(diào),臟腑不和,氣化受阻,氣不行則血不運(yùn),血行不暢,氣血不得交換,則血滯成瘀,即毒自內(nèi)生,促使機(jī)體正氣不足,衛(wèi)外不固,營陰失守,御邪能力減退,即所謂“邪雖自外來,其無毒者不入”。
1 七情化毒影響SARS成因
七情,是指喜、怒、憂、思、悲、恐、驚七種情志變化,是人體對外界刺激產(chǎn)生的不同反映。這種刺激過于突然或過于持久,超過了人體的調(diào)節(jié)適應(yīng)范圍,就會(huì)導(dǎo)致氣機(jī)逆亂,氣血失調(diào),而發(fā)為疾病。《素問·舉痛論》說:“怒則氣逆,甚則嘔血及飧泄?!眲⑼晁亍端貑栃C(jī)原病式》中“五志七情過度而卒病也”,即是言此[1]。由此可見,疾病的發(fā)生也常與人的精神情志因素有關(guān)。因?yàn)榫襁^勞或情志創(chuàng)傷會(huì)使人體氣機(jī)紊亂,降低人體的防病和抗病能力,招致邪氣侵害而發(fā)病,或?qū)е屡K腑功能失常而發(fā)病。暴怒傷肝、過喜傷心、思慮傷脾、憂悲傷肺、驚恐傷腎,故傷于不同的情志,能導(dǎo)致相應(yīng)臟腑的病證。SARS也不例外。精神愉快可使人體生機(jī)活躍,營衛(wèi)通利,氣血流暢。悲觀和憂慮可使人氣機(jī)阻滯,血脈沉澀,進(jìn)而致使臟腑功能失調(diào),人體正氣受損,易受病邪侵襲,從而加重病體原來的損害,促使病情惡化?,F(xiàn)代研究認(rèn)為,不良的心理因素可從各個(gè)不同途徑影響噬菌體、T細(xì)胞和B細(xì)胞的功能,影響抗體形成,從而降低機(jī)體免疫功能,招致感染,引起肺系病證的急性發(fā)作[2]。
2 數(shù)理統(tǒng)計(jì)分析情志因素
情志改變作為SARS的證候因素之一,影響著SARS發(fā)病與病情演變。筆者運(yùn)用多種統(tǒng)計(jì)學(xué)方法,對SARS專家調(diào)查問卷數(shù)據(jù)庫的各個(gè)證候因素進(jìn)行了統(tǒng)計(jì)分析,現(xiàn)將情志改變的決策樹建模、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、頻數(shù)分布分析結(jié)果介紹如下。
2.1 決策樹建模
分類是數(shù)據(jù)挖掘領(lǐng)域的一種非常重要的方法,分類與聚類的不同在于分類是對已知現(xiàn)存的類別建立描述規(guī)則,并對新的觀察值判別歸類;而聚類是無監(jiān)督的學(xué)習(xí),對給定的一組觀察值建立類別。數(shù)據(jù)挖掘中最為典型的分類方法是決策樹技術(shù)。決策樹可以很方便地轉(zhuǎn)化為分類規(guī)則,是一種非常直觀的分類模式表示形式。
決策樹是一種類似二叉樹或多叉樹的樹結(jié)構(gòu)。樹中的每個(gè)非葉節(jié)點(diǎn)(包括根節(jié)點(diǎn))對應(yīng)于訓(xùn)練樣本集中一個(gè)非類別屬性的測試,非葉節(jié)點(diǎn)的每個(gè)分支對應(yīng)屬性的一個(gè)測試結(jié)果,每個(gè)葉節(jié)點(diǎn)代表一個(gè)類或類分布。從根節(jié)點(diǎn)到葉子節(jié)點(diǎn)的一條路徑形成一條分類規(guī)則,決策樹從節(jié)點(diǎn)來尋找分支定類的思想就是逐步找到更具有確定類別意義和更“純”的節(jié)點(diǎn)。一般情況下,單一決策樹能很好地解決分類問題,但當(dāng)類的個(gè)數(shù)增多時(shí),所產(chǎn)生的單一決策樹就容易變得復(fù)雜且概括能力降低。而筆者分析的證候因素就恰恰存在多分類問題。由于在處理多類問題時(shí),層次分解的決策樹比傳統(tǒng)的單一決策樹有更多的優(yōu)勢,所以,根據(jù)證候因素之間的層次對應(yīng)關(guān)系,筆者采用基于層次分解的方法,通過產(chǎn)生多棵決策樹來處理多類問題。情志改變具體的決策樹可以見圖1。
另外,情志變量關(guān)系比較顯示,變量“心情-多慮”,“心情-憂郁”,“心煩易怒-伴口苦”,“心情-多疑”,“心情-焦慮”,“心煩易怒-伴失眠心慌”相對于其他變量來說,對于判斷患者是否有情志改變起到了較大的作用。見表1。表1 情志變量關(guān)系比較(略)
2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練
神經(jīng)網(wǎng)絡(luò),或稱人工神經(jīng)網(wǎng)絡(luò),指模仿人腦而建立的、具有和人腦相似功能的統(tǒng)計(jì)模型。神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以對大量數(shù)據(jù)進(jìn)行快速建模。網(wǎng)絡(luò)不需要人為地選擇具體的模型,在學(xué)習(xí)和訓(xùn)練的基礎(chǔ)上,通過本身的學(xué)習(xí)功能,對樣本進(jìn)行學(xué)習(xí),選擇合適的結(jié)構(gòu),就能得到理想的結(jié)果,從而解決特定領(lǐng)域中的問題。
神經(jīng)網(wǎng)絡(luò)一般采用簡單的網(wǎng)絡(luò)結(jié)構(gòu),包括三層,即輸入層、隱藏層(中間層)、輸出層。因?yàn)閺睦碚撋弦呀?jīng)證明:只要訓(xùn)練數(shù)據(jù)精度高,具有一個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò),能以任意精度表示任何函數(shù)。所以,對于中醫(yī)證候因素的分析也將采用具有一個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò),輸入層為各癥狀變量,輸出層為證候因素。神經(jīng)網(wǎng)絡(luò)對情志-證候因素的預(yù)測效果比較一致,無論是訓(xùn)練集還是驗(yàn)證集、評估集的正確率均達(dá)到了80%以上。見表2。表2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練的預(yù)測效果(略)
神經(jīng)科研究 神經(jīng)內(nèi)科論文 神經(jīng)網(wǎng)絡(luò)論文 神經(jīng)外科論文 神經(jīng)網(wǎng)絡(luò)技術(shù) 紀(jì)律教育問題 新時(shí)代教育價(jià)值觀