神经网络数模论文

问：数学建模中评价类论文需要注意什么

1. 答：评价的方法很多，比如说主成分分析，AHP，模糊综合评价的等等。做这类论文时首先要确定评价的指标体系，再摸中意义上讲，这个步骤也是很有挑战性的，因为要考虑的哪些指标以这个评价的结果相关，而且这些指标数据的获取有时候也是有一定的难度的。其次就是应用评价的方法进行相关数据的处理，当然，不同的评价方法对数据的处理方法也是有很大的差距的。这个过程可以用到相应的统计或者数学软件，比如Matlab，Spss（有时用到excel），进行处理，减少了大量的计算量。最后还可以对论文进行相应的改进。

问：数模人工神经网络方法有哪些特点

1. 答：人工神经网络的特点和优越性，主要表现在三个方面：
   第一，具有自学习功能。例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，其应用前途是很远大的。
   第二，具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。
   第三，具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。
   人工神经网络突出的优点：
   (1)可以充分逼近任意复杂的非线性关系；
   (2)所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性和容错性；
   (3)采用并行分布处理方法，使得快速进行大量运算成为可能；
   (4)可学习和自适应不知道或不确定的系统；
   (5)能够同时处理定量、定性知识。

问：数学建模的方法有哪些？

1. 答：数学建模属于一门应用数学，学习这门课要求我们学会如何将实际问题经过分析、简化转化为一个数学问题，然后用适当的数学方法去解决。数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并"解决"实际问题的一种强有力的数学手段。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。
   数学建模的过程
   1）模型准备：了解问题的实际背景，明确其实际意义，掌握对象的各种信息。用数学语言来描述问题。(2) 模型假设：根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。(3) 模型建立：在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构。（尽量用简单的数学工具）(4) 模型求解：利用获取的数据资料，对模型的所有参数做出计算（估计）。(5) 模型分析：对所得的结果进行数学上的分析。(6) 模型检验：将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差,则应该修改假设，再次重复建模过程。(7) 模型应用：应用方式因问题的性质和建模的目的而异。