《表2 输入层指标：啤酒质量的模糊综合评价网络构建及应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《啤酒质量的模糊综合评价网络构建及应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文选择市场上流通的20款啤酒为研究样本，记为B1，B2，...，B20。选择15个底层三级指标的归一化后的数据作为网络输入，本文中的输入层指标如表2所示，其中定性指标是利用20位同行及专家打出优、良、中、差，分别算出其概率作为原始数据值，定量指标直接使用其实际参数。基于上文中的模糊综合评价方法，计算出20家啤酒的综合评价值，根据最大隶属度原则，可以对20款啤酒进行排名。将本文计算出的模糊综合评价值归一化后作为网络输出，构建15×29×1的网络。分别利用matlab中的函数newff（）、train（）及sim（）建立、训练和仿真网络。设置训练步数为5000，目标误差为0.001，网络结构及训练过程如图1所示，在神经网络迭代了146次时，绝对误差达到了0.000977，训练速度非常快，且所得到的的误差小于设定误差0.001。