《表3 BP神经网络测试结果》

  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

《基于BP神经网络的会计信息质量评价》

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

通过数据对上述神经网络进行训练和测试，首先需要对附加动量因子、训练结束误差值、迭代次数、学习频率等参数进行设置，根据实际的需要分别将上述参数设置为0.9、0.00001、1000和0.05。然后需要对函数进行选择，与其它函数相比，S型传输函数和train（）训练函数能有效降低误差，并能够提高BP神经网络的训练周转率和计算精确性。因此，传递函数主要选择S型函数中的logsig函数，训练函数主要选取traingdx。最后通过不断训练使误差达到规定值，在此基础上通过10个样本进一步对网络的准确性进行验证，如果误差绝对值小于4%，说明评价模型有效，通过计算最终的测试结果如表3所示：