编辑：
2014-05-16
这种情况下， 神经网络技术就有其特有的优势， 以其并行分布、自组织、自适应、自学习和容错性等优良性能， 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题， 它能克服上述各方法的不足。本项目以bp神经网络作为基于多因素的技术创新预测和评估模型构建的基础， bp神经网络由输入层、隐含层和输出层构成， 各层的神经元数目不同， 由正向传播和反向传播组成， 在进行产品技术创新预测和评估时， 从输入层输入影响产品技术创新预测值和评估值的n个因素信息， 经隐含层处理后传入输出层， 其输出值y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置， 考虑了概括性和动态性， 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素， 尽管是黑匣子式的预测和评估， 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合， 输出一个经非线性变换后较为精确的预测值和评估值。
上文是公共管理硕士生的开题报告
相关推荐：
标签：开题报告指南
威廉希尔app (51edu.com)在建设过程中引用了互联网上的一些信息资源并对有明确来源的信息注明了出处，版权归原作者及原网站所有，如果您对本站信息资源版权的归属问题存有异议，请您致信qinquan#51edu.com(将#换成@)，我们会立即做出答复并及时解决。如果您认为本站有侵犯您权益的行为，请通知我们，我们一定根据实际情况及时处理。