论文部分内容阅读
根据农业机械化发展水平的评价标准,提出了生成足够多人工神经网络训练样本、检验样本和测试样本的新方法,给出了区分农业机械化发展水平不同程度的分界值,并提出了确定合理BP神经网络结构的原则.通过上述方法得到的神经网络模型具有更好的泛化能力,且不受网络初始权值的影响.运用训练后的神经网络评价模型对河南省1994年农业机械化发展水平的评价结果表明:与灰色-概率评估模型相比,本文建立的BP评价模型具有更好的客观性、通用性、实用性和容错性.