《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》
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。
图表编号 | XD00169055100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.28 |
作者 | 杨君岐、任瑞、杨大庆 |
绘制单位 | 陕西科技大学经济与管理学院、陕西科技大学经济与管理学院、陕西科技大学食品与生物工程学院 |
更多格式 | 高清、无水印(增值服务) |