论文部分内容阅读
提高边际效益是高校资产资源配置优化过程的最终目标,教育部每年的预算投入到各个高校,是学校从事教学科研最直接的保证,是其人才培养、师资队伍建设和社会服务这些功能实现的基础。随着高等教育快速发展,如何评价高校资源配置情况,是合理使用资金、使得产出最大化的首要问题。影响效益的因素往往存在与效益复杂的非线性关系。影响效益评价的因素,不能单单只用模糊性、随机性来识别,变量往往同时包含模糊不确定性和随机不确定性,我们称之为“混合不确定性变量”。本章以含有变量的模糊不确定和随机不确定的混合属性变量问题,讨论构建“混合不确定性神经网络”以解决系统中的模糊随机性特点,将使用Mamdani型模糊逻辑系统模型对神经网络进行系统建模,并用模块化方法建立分块神经网络集成系统输出,主要工作如下:1、对于单一结构神经网络样本泛化能力差、收敛速度慢,容易陷入极小值问题。面对复杂的混合事件,本文使用混合不确定性模块化神经网络,其容错能力、鲁棒性、计算能力都有很大的提升。2、对同时包含随机模糊等不确定性变量,提出同时考虑变量的模糊性与随机性。例如模型里的指标如“投入”、“国家定位”、“媒体关注”等变量不仅仅当做确定型变量,增加对其模糊性与随机性的考察,模糊域上的概率密度函数描述混合不确定性。3、结合模糊随机系统与神经网络系统。根据模糊C-均值聚类中心来获得模糊变量模糊隶属度函数有关参数,根据样本最大隶属度所属类别提取模糊规则,使用Mamdani型模糊逻辑模型,获取混合不确定性的逻辑规则集。建立单层的非线性BP神经网络,并使用梯度下降法,修正网络权值参数,得到各个子网络的输出,集成模块神经网络样本得到总的输出。4、采用模块化混合不确定性神经网络进行高校资源配置效益预测。根据样本特征性质分成若干类,建立若干个子模块神经网络系统,将复杂的问题分解相对简单的若干个子问题,有效的提高系统的学习能力,提高了高校效益预测的准确率,证明了混合不确定性模块化神经网络在连续问题的有效性。