摘要：人工神经网络学习作为机器学习的重要方式,在人工智能、模式识别、图像处理等领域已成功应用;BP网络作为神经网络学习的精华,它利用误差反传的方式不断修正权重以达到最佳拟合.多属性决策问题是决策理论研究领域的热点,当研究的问题涉及多个属性时,需要分析各属性的重要程度,即属性的权重.针对多分类输出结果的多输入属性相关性和重要性问题,提出了利用BP神经网络计算复杂输入属性的重要性方法;并对神经网络的节点数量、网络层数、学习策略、学习因子等进行研究,建立了适合属性重要性计算的BP神经网络模型;以烟台大学学生评教数据作为具体实例,利用k-fold方法验证其可行性和有效性.

原文链接:http://www.cqvip.com//QK/94257X/201701/671457325.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）