龙源期刊网 http://www.qikan.com.cn
基于神经网络算法的机器学习模型研究
作者：李军政
来源：《传播力研究》2017年第10期
摘要：神经网络处理信息的能力较强。同时，当前计算机技术十分先进，并且在科学技术的推动下又研究出了许多功能十分强大的信息技术，因此相关人员就将先进技术与神经网络结构进行了结合，进而在此基础上构建出了人工神经网络。 关键词：神经网络；网络模型；研究 一、神经网络
神经网络在学习与运算方面能力十分突出，因此人们就以此为依据，构建了人工神经网络。神经网络主要包括两个部分，首先是神经元，其在信息处理过程中属于最为基本的单元，同时也是网络设计的基本要素[1]。其次是结构模型，其构成单元为神经元，能够顺利进行信息的传输与处理。 二、模型构建 （一）结构分析
通过将神经元进行组合就形成了包含多个层次的网络，其结构如图1所示。 （二）算法分析
网络性能的评判标准是MSE，在此过程中还应考虑到与网络相关的时间因素。公式（1）为输出误差的函数。 （1）
结合误差的定义，可得出权值与误差之间的关系，如公式（2）所示。 （2）
通过对以上两个公式进行分析，可得出误差与输入层之间的函数表达式，如公式（3）所示。 （3）
龙源期刊网 http://www.qikan.com.cn
由公式（3）可知，输出误差与不同层级的权值之间存在函数关系，因此如果想要将误差控制在最小范围内，就可改变权值，这样就能使数据信息更加精确。 三、影响因素 （一）拟合性能
相关人员对网络结构进行了大量的研究，通过对数据信息进行整合与分析，发现网络自身所具有的泛化能力与多项因素有着直接关联。除神经元的数量之外，也与所选取的样本数量的多少直接相关，同时也会受到训练次数的影响。 （二）数据集
研究工作对样本变量主要有以下两个方面的要求。第一，应尽量选取大数据样本，这样就能使其置信空间符合研究需求。第二，样本之间应尽量分散，不能有过强的相关性[2]。 （三）初始化
初始化包括两个部分，分别是权值和阈值，这两项因素会对训练过程造成一定的影响，使得曲面上的点进行移动，而曲面最大的特质在于其不够均匀，因此需要通过初始值改变收敛目标，使其能够在原有基础上得到进一步优化。通常情况下初始值有较强的随机性，使得网络之间差异性过强，进而使得优化仅局限在部分区域而无法影响到最终的收敛目标，这就必然会影响到训练的稳定性，使其变得难以控制。为了解决这一问题，应当增加训练的次数，选择误差最小的初始值，进而有效提高训练结果的准确性。 （四）训练速度
训练速度也会受到多种因素的影响，除结构和算法之外，基本的参数也会使训练速度变慢。为了将训练时间控制在最小范围内，在选择隐藏层时必须查看其结点数，同时还必须考虑结构问题，否则会使得样本不具有有效性。另外，为了避免训练时间过长，需要选择最为合适的节点数，以免超出匹配范围。当前在确定结构时应用最为普遍的两种方法分别是试凑法和对比法，其能够将训练时间控制在最为合理的范围内。另外，通过算法能够了解节点的走向，即节点移动的路线和在移动时所采取的方式，这是影响拟合性能的一个至关重要的因素。 四、结语
总而言之，研究神经网络的构造及功能对模型的构建具有十分重要的作用，进而有效提高信息处理的效率。为了使网络性能得到进一步提升，还必须了解其中的影响因素，并在分析的原因的基础上加以控制，本文就深入探究了这一问题。 参考文献：
龙源期刊网 http://www.qikan.com.cn
[1]石艳，韩群，廉晓琴.神经网络设计方法与实例分析[M].北京：北京邮电大学出版社，2013：23-26.
[2]叶世伟.神经网络原理[M].北京：机械工业出版社，2012：1-8. （作者单位：山东管理学院）
