文献类型：期刊文章

作　　者：潘庆先[1,2] 董红斌[1] 韩启龙[1] 王莹洁[2] 丁蕊[1]

机构地区：[1]哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001 [2]烟台大学计算机与控制工程学院,山东烟台264005

出　　处：《中国科学技术大学学报》

基　　金：国家自然科学基金(61472095;61502140;61572418)资助

年　　份：2017

卷　　号：47

期　　号：1

起止页码：18-25

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

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.

关 键 词：BP神经网络 属性重要性  多分类输出  学生评教

分 类 号：TP183]