深度学习精准预测

深度学习精准预测（共8篇）

深度学习精准预测 篇1

精准解读，深度学习——部编本一下三、四单元解析

尊敬的各位领导、专家，老师们，大家上午好！

部编版教材已经使用了一个学期，老师们对于它编排的特点也已经大致了解，经过一个学期的教学实践也摸索出了一些教学方法和策略，但是面对一年级下册新教材，我们仍然需要静下心来，深入研读教材，挖掘教学资源，力争使我们的教学做到有的放矢，甚至达到事半功倍的效果。

下面，我就从单元架构，教学要素，教学策略，评价检测，资源开发五个方面对一年级下册三、四单元内容和大家进行交流。

一、单元架构

第三单元是围绕“伙伴”这个主题展开。由课文，口语交际和《语文园地》三大部分组成。其中课文一共是3篇，包括《小公鸡和小鸭子》《树和喜鹊》《怎么都快乐》，前两篇是童话故事，后一篇是儿童诗；语文园地也由三部分组成，分别是《查字典》《日积月累》《和大人一起读》。

第四单元是围绕“家乡”这个主题展开的。由课文和语文园地两大部分组成。课文包括《静夜思》《夜色》《彩虹》《端午粽》，共4篇，其中第一篇是古诗，第二篇是儿童诗，最后两篇呢是散文；《语文园地》四的安排与语文园地三有所不同，它包括“识字加油站”，“字词句运用”，“书写提示”，“日积月累”，“和大人一起读”这五大板块。

两个单元七篇课文里有四种体裁，这也充分体现了教材选文内容的丰富性。也就是编者所言“本套教材内容与儿童生活紧密联系，充分考虑儿童的经验世界、想象世界和情感世界。而且题材多样，有童话，有散文，有儿歌，有故事，不仅确保了教材全面的思想内涵，而且保证了教材的可读性和感染力”。

二、教学要素

这套教材的编写是围绕人文主题和语文要素,双线组织阅读教学的，每个单元的学习目标都十分清晰，在教材的助学系统和语文园地中都有所呈现，做到了难度适宜，梯度合理，衔接自然。我们来分别看一下: 第三单元的人文要素主要是体现了伙伴之间的情谊——互相帮助、快乐合作、友好共处，课文中把生活中常见的伙伴之间的相处通过生动的故事情境和朗朗上口的诗歌语言加以展现。当然，道理不在直接告诉，而是在朗读和感受中细细体味。而第三单元的语文要素包括五个方面。识字方面是要求认识33个生字、3个偏旁和4个多音字。写字方面要求会写20个字。阅读包括4个方面：1.正确、流利的朗读课文，读好“不”的变调。2.读好对话，读出不同角色说话的语气；朗读儿童诗，读出自己的感受。3.借助拼音正确朗读古诗《赠汪伦》，大致了解古诗的意思；4.和大人一起读《胖乎乎的小手》，巩固学过的汉字。口语交际方面有两项要求：1.在不同情境下会使用合适的礼貌用语。2.能大致讲清楚自己的要求。

第四单元体现人文要素的方面也比较明显，比如学习了《端午粽》之后，让孩子说说自己了解到的端午节故事；学习了《夜色》后，说说自己曾经怕黑的经历，是怎样克服这种心理的等等。

第四单元的语文要素包括三大方面。识字方面是认识46个生字，4个偏旁。写字方面包括两项：1.会写28个字。2.学写“主、门、书、我”4个带点的字，了解“点的位置不同，书写先后也不同”的笔顺特点。阅读方面包括:1.正确流利的朗读课文，读好长句子及问句，注意停顿，读懂句子所表达的意思。2.朗读《静夜思》并背诵积累；借助拼音，正确朗读古诗《寻隐者不遇》，并背诵积累。3.借助拼音和大人一起读《妞妞赶牛》，读正确、读流利，并能边读边想象画面，感受绕口令的情趣。其中,读好长句子不仅是本单元的重点，也是一个难点，它贯穿于整单元的教学。我们来重点看一下.首先，在《夜色》中出现了比较明显的长句子，这个时候我们就要引领学生初步感知了，可以从长句子的停顿上引领，指导孩子读通、读懂长句子；在后面《端午粽》一课时，课后题中则明确提出了“读好长句子”的学习要求，所以在这一课我们必须对长句子的朗读作重点指导，指导孩子学习运用词语连读、正确停顿等方法把长句子读好；而在本单元的最后一课《彩虹》中，我们还要指导学生读好多个分句组成的反问句，读好分句间的停顿，并能试着读出问句的语气和情趣。从这三课关于读好长句子的要求来看，就很好的体现了教材编者所说的“循序渐进，螺旋上升”的梯度性。正如教材编者熊宁宁所言：本套教材注重梯度，每一学段、年级，甚至一个学期的前、中、后期，语文学习要素的安排，都是依照深浅程度形成一条螺旋上升的线索。这样的安排，不仅考虑到了难度系数和教学适用度，也体现了语文教学由浅入深、循序渐进的规律。另外,让学生根据课文信息做简单推断，并联系生活实际进行表达也是本单元的一个训练重点.在《夜色》一课，“我”一看窗外，心就乱跳，此时,就可以引领学生做简单的推断，“我”会看到什么？以为是什么？这些都可以根据课文内容，结合自己的生活实际说开去。其实大家回顾一下上学期的内容就不难发现这是也对上学期的一个承接，是对阅读能力的一种训练。一上要求“找出课文中明显的信息”“学习借助图画阅读”，一下在继续学习“找出课文中明显的信息”的基础上，发展训练“根据信息作简单的推断”的能力，这是阅读能力的进一步发展，更多的是对阅读过程中逻辑思维能力的训练，目的是为了实现学生语言和思维发展的同步。

“循序渐进，螺旋上升”的教材编排特点在第三单元的口语交际《请你帮个忙》中也有体现。回顾上一学期到本次口语交际的内容，我们不难发现，教材设计对“说”的要求从起步时的敢说、“大胆说”，逐步到 “配合动作清楚明白地说”，一步一步地帮助学生提高口头表达能力。而本次口语交际则从交际习惯和交际规则方面进行训练，要求学生懂得自己遇到困难时可以寻求别人的帮助，在不同情境下会使用合适的礼貌用语，并且能大致讲清楚自己的要求。落实了本册口语交际目标中的“与别人交谈，态度自然大方，有礼貌和有表达的自信心，积极参加口语交际。”的目标。可见，教学安排从对象意识、场合意识，到礼貌意识，都考虑到了让学生在每一次口语交际中得到针对性地训练，使学生的交际能力在层层递进中螺旋上升。

语文园地三安排了三项内容。一个是查字典，要求学习正确使用字典的方法，学会用音序查字法查字典，学习独立识字，养成在学习中勤查字典的习惯。这一内容也明显的体现了教材循序渐进，螺旋上升的特点，从语文园地一认识大写字母，熟记《汉语拼音字母表》，到语文园地二复习巩固大小写字母，到语文园地三学习使用音序查字法查字典就是一个很好的例证。

三、教学策略

下面，我结合这两个单元的教学目标以及教学内容和大家一起来探讨一下具体的教学建议和策略。

（一）识字教学

本册教材要求认识常用汉字400个，而三、四单元就要求认识83个，会会写汉字200个，三、四单元要求会写48个生字，可见虽然是两个阅读单元，但是识字、写字的比重还是很大的。我们可以从以下几个方面来做识字写字方面的教学，识字教学：

1.字源识字。如《小公鸡和小鸭子》一文中，教学“身”字的演变。“身”是象形字，引领学生观察最早的“身”字，从字源字理上入手进行理解，识记,既增加了趣味性又使记忆效果牢固.2.编儿歌识字。还是《小公鸡和小鸭子》这一课里，我们可以用“捉捉捉，用手捉；跟跟跟，用脚跟；急急急，心里急”这种编儿歌的识字方法识记生字，儿歌朗朗上口，大大激发了孩子的识字兴趣。

3.用偏旁进行识记。这两个单元的课文中一共需要学习8个新偏旁。可以根据偏旁表意的特征来记忆。

另外，加一加，换一换、利用图片、生活经验识字、做动作等都是可以运用的识字方法。

写字教学：

1.根据笔画的不同位置归类。比如《小公鸡和小鸭子》一课中“河、说”都有点，但位置不同，写法也不同：“河”中的三点不能在一条直线上，“说”的两点大小、高低不同。另外，“河、说、听、哥”四个字都含有“口”字，也是因不同位置而写法不同。我们可以编个顺口溜便于学生记忆：“河”口在中央，“说”口在右上，“听”口要写窄，“哥”口不一样。《彩虹》一课中同样存在三个带点的字，分别是“高、兴、成”，也要进行总结不同的写法。而语文园地中的“书写提示”栏目也因此提供了不同的字中点的位置不同的不同写法，引领学生总结出“点在正上方或左上方，先写点，如主和门；点在右上方，后写点，如书和我”；

2.熟字作部件的变化。如《怎么都快乐》里的“王”在“玩”中横变成了提，教师应加强示范与指导。

3.不同结构的字的不同写法。这两个单元中出现了多种结构的字，如独体字、左右结构、上下结构、半包围结构的字，引领学生在写字时形成结构意识。《树和喜鹊》中出现了3个左右结构的字，引领学生巩固“左窄右宽”的书写规律。《夜色》中出现了“色、爸、笑”三个上下结构的字，引导学生发现“上大下小，上小下大”的结构特点。

4.强调关键笔画的重要作用。如《端午粽》这一课中出现了“午、真、豆、节”四个字，它们同时出现了“长横”，要引导学生把横写平、写舒展，这样整个字看起来才能立得住，有协调、匀称之美。

总之，在写字的过程中，一定要使学生养成“一看二写三对照”的书写习惯。

（二）阅读教学

阅读教学我们可以尝试运用以下策略。

1.创设情境，激发感情。

小学生的学习活动带有强烈的情境性。色彩丰富的画面，生动可爱的声音，情趣盎然的小动物的活动场景，都可以激发学生的探究欲,低年级尤其如此。这两个单元中，有几个目标我们完全可以用这种方法实现。如：《小公鸡和小鸭子》中要求“读好对话，读出不同角色说话的语气”；我们可以先让孩子把两种小动物说的话画出来，然后创设情境演一演，读一读，感受不同角色的特点，以达到教学目标。

2.尝试探究，独立学习。

这两个单元中，对于理解词语都有一定的要求。如《树和喜鹊》中的“孤单”一词，我们可以引领学生找出“孤单”，然后让其自读第一段，感悟什么叫孤单，孩子自然会找到“一棵树、一个鸟窝、一只喜鹊”，甚至有的孩子能找到“只有”一词，这些都是“孤单”的证据，而这种方法也可以运用到本课中后面学习“邻居”一词时使用。

3.朗读指导，感悟文本

新《语文课程标准》明确指出培养学生喜欢阅读，感受阅读的兴趣是低年级阅读的重要任务。翻看我们的课本大家就会发现，无论哪一篇课文后面的助学系统都有“朗读课文”的要求。那么如何做到学生能够较好的完成这一学习任务呢，我们不妨从以下几个方面做起：

（1）加强教师的范读。低年级学生的模仿能力较强，教师作一定的示范，发挥教师的榜样效应，能有效调动学生的情感，并可模仿教师的语调、语气、节奏、情感去朗读课文，逐渐掌握方法，提高朗读能力。

（2）教给学生技巧。朗读技巧包括：停顿、重音、速度等的处理。这两个单元中的阅读训练重点就是读好长句子。《端午粽》中出现了难读的句子，就是第2自然段中“粽子是用青青的箬竹叶包的，里面裹着白白的糯米，中间有一颗红红的枣”，一个句子介绍了关于粽子样子的三个方面的内容，我们可以通过三个方面引导孩子分步读好。首先，读一读，想一想，这句话写了粽子的哪些特征，找一找相关的事物。其次，说一说这些事物分别是怎样的？如（青青）的（箬竹叶），（白白）的（糯米），（红红）的（枣），如此，再让孩子美美的读一读。最后，引导关注描写顺序，发现句子从外及里描写了粽子的样子。抓住“里面、中间”这几个方位词，把停顿读正确。还可借助停顿符号，训练诵读能力，然后经过反复诵读，培养语感。

（3）反复训练，体现层次变化。

加强朗读训练，不仅仅是多读，而更应该有一定的目的性和方向性，否则便成了乱读、瞎读，达不到应有的效果。在教学中的不同阶段，教师有针对性地指导学生朗读，须注意层次性：

初读课文。要求学生借助拼音把课文读正确。

再读课文。让学生在文中画出生字，在认记生字的基础上再读课文，读流利。精读课文。抓住重点句段，在教师的指导下根据自己的理解进行反复品读。通过这样的方式，层层递进，不断提高要求，使学生的朗读更有方向性，从而使朗读水平不断得到提高。

（四）口语交际

第三单元安排了一次口语交际，是以“请别人帮忙”为主题设计的。课本中以文字和插图的形式呈现“有时候我们需要别人的帮助”和“问路、借东西、请别人拿东西”，图画下方还提示了6个礼貌用语。教材提出了口语交际重点为学会请别人帮忙，并且使用合适的礼貌用语。我们可以尝试这样来做，首先唤醒交际需要，然后创设情境，示范交际，再引导学生进行情景表演，同桌互演，组内互演，进行练习，提升实际交往能力，最后引向生活，实践练习。

四、评价检测

基于以上对于这两个单元的教学要素的理解，我们设计了如下单元检测。首先是体现单元目标的纸质检测题。现在，我们来看一下。第三单元的考前导语是这样的——。很明显，这是以本单元人文主题的训练要素带领孩子走进这份试题的。第一到第三题是对孩子本单元读音的考察，第一题主要考察的是孩子们对平舌音、翘舌音以及前鼻音后鼻音的区分情况，第二题呢是对生字掌握以及组词情况的考察，第三题是针对本单元的多音字的考察，第四题是在语境中出现生字，考察生字的书写情况，第五题是考察的孩子对查字典的掌握情况，第六题是考察孩子们对于AABB结构的词语和动宾短语的积累情况，最后的阅读题呢考察的就是孩子们对阅读，理解等各方面语文综合素养的掌握情况了。再来看第四单元的试题，同样的单元导语带领孩子回顾了本单元学习内容。第一和第四题考察了孩子对生字的认读情况，第二三题考察的是学生生字的书写情况，第五题和第七题分别考察了学生对词语的积累的对古诗的积累，而第六题是与语文园地四中的字词语运用相对应，考察学生对轻声词语的认读情况，第八题阅读理解考察的是学生语文综合素养能力。这样看来，两份测试题都从识记、书写、积累、理解等多种语文素养方面进行了考察。

第二种测试方法就是对学生进行情境测试，这种测试可以是课堂上随机的课文朗读，看学生能否读正确，读流利，读好停顿；也可以通过精心设计的活动来进行测试，如创设情境看孩子的语言表达是否流畅、有礼貌。无论纸质测试还是情境测试，目的都是为了从不同方面测试出学生的语文素养，以待在日后的学习中有针对性的进行弥补和提升。

五、资源开发

《课程标准指出》要沟通课堂内外，充分利用学校，家庭和社区等资源，开展综合性学习，拓宽学生的学习空间，增强学语文时间的机会。”在平时教学中，我们也应该努力由课内延伸到课外，努力为学生提供多种学习资源。就这两个单元来说，我们可以从以下几个方面进行拓展。

（一）《怎么都快乐》教学资源

1.读一读任溶溶的其他作品《爸爸的老师》。

2.玩中积累。说一说平时的游戏活动，玩一玩，体会各种游戏带来的快乐。如，拍手游戏，我是木头人等等。选择课堂上能够进行的游戏。

（二）《静夜思》教学资源 1.李白的简介，“诗仙”的美名。

2.补充拓展描写月下思乡的古诗《月下独酌》《子夜四时歌·秋风入窗里》

（三）《端午粽》教学资源 1.端午吃粽子的由来 2.屈原简介

当然，这些只是部分资源的举例说明，在平时的教育教学中，我们都可以根据本单元的教学目标需要，进行适当的资源开发，使学生从课内走向课外，从书本走向实践，以提高学生的语文综合素养。

以上就是我对于三四单元的一些粗浅的认识，有不当之处恳请专家、老师们批评指正，谢谢您的倾听！

深度学习精准预测 篇2

ANITA TOLLSTADIUS告诉记者,“我们新开发的机器深度学习技术,或者是叫做人工智能产品,可以让机器获得比较客观的对图像的分析和看法,了解医生在进行片子诊断的时候的偏好,从而为医生提供更精确的医学影像。 当然这个技术现在为止还没有形成产品,还处于试验阶段。 此外,我们已经开展了在超声领域的深度学习的相关测试, 据我估计这个产品的上市时间是2017年年底或者是2018年初,随着研发结果的不断呈现将有很多新产品问世。”

其实,机器的深度学习技术并不是一个新技术,它已经运用在很多其他的领域,比如在机场当中进行人们的面部识别。但遗憾的是,到目前为止,这一技术在医药行业还没有得到广泛应用,目前仍处于进一步研究的状态。 ANITA TOLLSTADIUS介绍说,学习技术是利用大数据产生图像并且进行初步的分析。在过去,医生在解读图像的时候遇到一个难题就是需要寻找关注点,比如说有一些非常细微、非常不易查找的一些地方就可能被人们所忽略。 而利用机器自我学习,就可以找到诊断和治疗所需要的信息或细微之处。此外,机器的深度学习还会引发自动化产品的出现,而自动化的产品会极大地提高诊断的效率。可以肯定,机器自我学习比以前只凭医生的肉眼和经验来识别一些更加细微的病症更为准确。

对于医学影像来说,更清晰、更细致的影像一直是影像设备制造商的追求,而康泰瑞影正是专为影像设备制造商提供图像增强技术的公司,并且凭借工业化生产和专业化产品组合,一直占据这一市场的领先地位。据统计,到目前为止,其产品已经在全球安装了15万套,涵盖几乎所有医学影像的领域,包括超声、核磁共振,X光CT成像等, 同时产品和技术的灵活组合也极大程度地满足不同顾客以及不同设备的需要。

ANITA TOLLSTADIUS表示,康泰瑞影能够在市场上长期保持领先地位主要的原因就是公司在技术和应用方面非常专业,公司开发的图像处理技术已经在实践当中证明了是非常可靠和有效的,也获得了众多设备生产商的信任和认可。“康泰瑞影公司产品和技术最大的优势体现在最新的3D图像的技术组合方面,目前为止,市场上还没有其他的公司可以提供如此优质的技术。我们3D技术的特点在于滤波和可视化技术,图片中的胎儿仅只有12周,利用我们开发的产品技术包软件,可以非常清楚地看到这个胎儿的表面以及内部,我们可以把这个图像呈现给胎儿的父母,甚至可以查找出一些早期的病症。”

ANITA TOLLSTADIUS坦言,“目前在医疗影像技术, 尤其是超声领域竞争是非常严峻的,我们相信企业要在市场竞争中脱颖而出需要要关注如下四点:第一点是图像质量,第二点是产品创新,第三点是教育和持续性的决策支持, 第四点是床边诊断和检测。康泰瑞影致力于帮助设备供应商给市场提供良好的产品,同时也为生命科学做出更大的贡献。”同时,关注医疗发展新趋势一直是康泰瑞影的发展策略之一。她指出,目前影像研究最关注的就是如何从图像当中获取和提取更多信息。在这个方面,康泰瑞影可以通过不同技术手段和影像学方式的融合来实现。据悉,在过去几年当中,康泰瑞影在创新方面做出了几个非常有特点的实践,一是算法团队人数有所增加,二是与欧洲很多的大学进行了新兴的学术合作,三是在新产品的创新领域推出了一系列的试点计划。

深度学习精准预测 篇3

摘要：由于BP神经网络强大的自组织和自适应能力，本文基于BP神经网络构建了大学生深度学习水平预测模型，使用NSSE-China2013问卷作为数据的来源，将院校间的五大可比指标作为网络的输入、大学生深度学习水平作为网络的输出，并在Matlab中仿真实现。实验结果表明，该预测模型克服了传统评价深度学习水平的复杂性和主观性，具有收敛速度快和预测精度高等特点，具有很好的适用性。

关键词：BP神经网络；大学生深度学习水平；NSSE-China；预测模型

中图分类号：G434

文献标志码：

文章编号：1673-8454（2015）23-0072-04

随着国家逐渐步入学习型社会，国家和社会对于知识和人才的需求和重视程度逐渐加大，而大学生作为接受高等教育的精英群体，其学习情况直接影响着学习型社会的深度和广度，因此研究大学生的学习情况越来越具有现实意义。而评价学生的学习情况，不仅要衡量知识的广度和数量，还要考察学生是否善于将新思想与原有的知识结构相联系，并最终获得解决问题的能力，即深度学习能力。全球信息化的快速发展极大地改变了当代大学生的学习模式，大量的学生长期处于浅层学习当中，这会大大限制学校对学生解决问题能力和创新能力的培养。本文通过分析与预测大学生深度学习水平，可以帮助学生及时调整自身学习状态，帮助教师更加有针对性地改进教学策略，同时也可以为院校的教育改革提供科学的指导。

BP神经网络是一种人工智能算法，具有很强大的非线性映射能力、自组织和自适应能力。因此本文以中国海洋大学“大学生学习性投入调查”问卷（NSSE-China）所统计的数据作为依据，构建了评价大学生深度学习水平的数学模型，从而为大学生深度学习水平的研究提供一定的参考价值。

一、深度学习的内涵

深度学习和浅层学习这两个概念是由国外学者FerenceMarton和Roger Saljo在1976年联名发表的《学习的本质区别：结果和过程》一文中首次提出的。他们通过一项实验，总结出学生学习的两种不同学习策略，即浅层学习策略和深层学习策略。他们认为所谓浅层学习，就是指不加以思考地记住书本中提到的一些原理或事实，所关注的是在测验中遇到的书本中提及的那些内容；而深层学习，是指理解整本书中的思想，试图领会其学术内涵，关注的焦点是如何将书本中的知识应用在现实生活中。

经过长期对深度学习的深入研究，国内学者何玲和黎加厚在《促进学生深度学习》一文中对深度学习做出了较为精准的定义。所谓深度学习，是指在理解学习的基础上，学习者能够批判性地学习新的思想和事实，并将它们融入原有的认知结构中，能够在众多思想间进行联系，并能够将已有的知识迁移到新的情境中，做出决策和解决问题的学习。

根据上述对深度学习的定义，可以将深度学习按照布鲁姆的教育目标分类学来对其进行概括和总结。布鲁姆等人在认知学习领域将教育目标分为六大类，从低级到高级依次为识记、理解、应用、分析、综合和评价。浅层学习的认知水平停留在第一、第二层，而深层学习的认知水平对应着后面的四层。因此，本文认为深度学习是指批判性地接受新知识，通过整合原有知识，构建出属于自己的知识体系，并获得解决问题的能力。

本文的重点研究对象是大学生群体，相较于中学生群体而言，大学生群体拥有更多的自主学习时间和更为丰富的课余活动，获得教学资源的内容和途径也更加广泛和便捷，因此大学生的学习模式更多的是自主学习模式，这也是其与中学生的重要差别之一，大学生真正成为了学习活动的主体。同时，由于大学生即将离开校园步入社会，这一角色特殊性决定了大学教育应该更加注重培养学生创新和解决问题的能力，即深度学习能力。然而目前的研究发现，大量的大学生长期处于浅层学习状态，长此以往将不利于社会的进步，因此大学生深度学习能力的培养具有更大的研究价值。

二、构建预测模型

本文所采用的数据来源于2013年中国海洋大学“全美大学生学习型投入调查”汉化版（NSSE-China）问卷，通过筛选题目构成深度学习量表，来考查大学生深度学习水平的相关影响因素并构建预测模型。NSSE-China问卷的原型是印第安纳大学开发的“全美大学生学习性投入调查”（National Survey of Student Engage-ment.以下简称NSSE）问卷。NSSE是一个针对美国全国范围内四年制本科院校学生投入高层次学习活动和发展程度的年度调查。NSSE-China项目于2007年启动，经过一系列文化适应和预测试后于2009年首次在中国全国范围施测。该问卷具体测量了几项指标，包括院校间的五大可比指标（具体包括学业挑战度LAC、主动合作学习水平ACL、生师互动SFI、教育经验的丰富程度FEE和校园环境的支持度SCE）、院校诊断九项指标、深度学习（DL）指标以及社会称许性指标。经清华大学的几次修订，目前的量表具有良好的信度与效度。

本文利用NSSE-China问卷采集的数据来构建大学生深度学习水平预测模型。经过研究发现人工神经网络是构建预测模型非常有效的方法。其中BP神经网络是人工神经网络中应用最广泛的一种，其具有强大的非线性映射能力和自组织、自适应能力，因此本文选择利用BP神经网络来构建大学生深度学习水平预测模型。

将回收的有效问卷通过SPSS软件计算出每个学生的五大可比指标成绩与深度学习指标成绩。经分析数据得出，学生的深度学习指标成绩分布区间为9.09～100，本文将深度学习水平分为优秀、良好和不合格三个等级。分级标准如表1所示：

1.BP网络模型结构

BP神经网络是一种多层前馈神经网络。最基本的BP神经网络由输入层、隐含层和输出层组成，每层有许多互相不连接的神经元节点，相邻两层节点通过连接权连接，其拓扑结构如图1所示。

（1）输入层节点的确定

由于问卷当中涉及的院校间可比指标有5个，因此，输入层神经元个数定为n=5。其中：X1表示学业挑战度，学业挑战度的考察包含了学生个体和院校组织两个层面的含义——既要反映学生的学习行为表现及其在学业上的时间和精力的投入程度，又要通过学生的行为表现和自我报告来间接对高校的学业要求、学业标准和对学业的支持程度等进行评价，以体现高校的教育质量。X：表示主动合作学习水平，评价的是学生的合作性学习能力和与多元人群讨论的能力。X3表示生师互动，评价的是学生与教师互动的频繁程度及其主动性和互动的质量。X4表示教育经验的丰富程度，评价的是教师教学实践的有效性，包括有组织的教学活动、清晰的知识讲解、具有说明性的举例和有效的反馈。X5表示校园环境的支持度，评价的是校园中人际沟通的质量和学校对促进学生学习和发展的支持程度。

（2）输出层节点的确定

本文主要是来评价大学生的深度学习情况，最终日的是能够得到一个客观、准确地反映大学生深度学习水平的量化值。因此本文将大学生深度学习水平的量化值作为BP神经网络的输出向量，即输出层神经元个数确定为m=l。

（3）隐含层个数的确定

如今尚不存在一个确定的标准来计算隐含层的神经元个数，但可以根据以下公式来计算出隐含层神经元数量的大概区间范围，进而通过试凑的方法来确定最佳的隐含层的神经元个数。因为输入层神经元个数为5，输出层神经元个数为1，则在参考经验公式l

练，然后逐步增加隐含层节点数，重新训练。综合分析多次训练效果，最终确定该网络的隐含层个数为两个，且每个隐含层的个数分别为25和20。

2.数据顸处理

为取消各维数据间数量级差别，避免因为输入输出数据数量级差别较大而造成的网络预测误差较大，神经网络一般会对数据进行归一化处理。本文采用公式为的函数对数据进行归一化，并将数据处理为在区间[0，1]之间的数据。

3.传递函数的确定

传递函数的选择与输人数据和输出数据的取值区间有关，经过多次实验，观察网络的训练效果，最终将第一个隐含层的传递函数参数确定为S型正切函数，第二个隐含层的传递函数参数确定为S型对数函数，输出层的传递函数确定为线性函数。其对应的函数数学表达式依次如下：

线性函数y=x

通过观察多次训练效果，发现本网络模型的收敛速度快、训练时间短且训练效果良好，因此该网络选取BP网络标准的最速下降法作为训练的方法即可。其他函数参数均选用BP神经网络工具箱的默认值。

根据网络的性能来设定网络的训练参数。其中将网络的最大训练次数设置为100次，如果超过该次数网络仍然没有收敛则表示网络不收敛，训练停止；将网络的最大确认失败次数设置为15次，即网络的验证误差连续15次没有下降，则表明网络的训练效果不好，训练停止；将网络的训练目标设置为0.003，当网络的目标误差达到该目标值时，训练停止。

三、Matlab仿真实现

BP神经网络模型主要借助Matlab语言工具来实现。

1.BP神经网络的学习过程

根据上述构建的网络预测模型和函数参数的设置，对网络进行训练，具体训练过程如下：

（1）将训练数据进行归一化处理，使其分布在[0，1]之间，并将预测输入数据按照同样的归一化方式进行归一化处理。

（2）将归一化后的数据输入到网络模型当中，按BP网络的学习算法训练网络，其流程图如图2所示，最后将预测输出进行反归一化处理。

（3）将预测输出和期望输出按照分数区间划分为三大类，即优秀、良好和不合格，并计算该网络模型的准确率。

（4）画出BP网络预测输出图形和神经网络预测误差百分比图形

2.BP神经网络的结果分析

BP神经网络的学习属于有监督式的学习，需要一组已知目标输出的学习样本集。因此本文从2013年中国海洋大学NSSE-China问卷中挑选出预测模型所需的1000组数据，并随机抽取其中的900组数据作为训练样本，其余100组数据作为检验样本，输入到网络模型当中，得到如图3所示的BP神经网络学习训练过程曲线。从图中可以看出，训练迭代次数达到5次时，网络已经收敛并且网络的预测精度达到了设定的目标值。训练达到要求后，选取100组作为检验样本，经上述网络模型输出的结果与调查问卷中所显示的大学生深度学习水平评价等级的结果相比较具有一致性，其预测输出与期望输出的相对误差较小。举例如表2所示，由于用于测试网络准确度的检验样本较多，表2中只列举了从检验样本中随机挑选的10组数据进行比较。

100组检验样本的BP网络预测输出如图4所示，神经网络预测误差百分比如图5所示。从这两幅图中可以看出，在100组检验样本中有88组样本的预测输出值与其期望输出值相符，预测准确率高达88%，总体预测误差严格控制在20%之内。因此证明本文所构建的大学生深度学习水平预测模型具有很高的预测精确度。

本文为了检验预测输出对期望输出的拟合程度，在BP网络训练完成后的处理过程中对预测输出的结果进行了回归分析，回归直线方程式为：y=0.18x+0.13，相关系数R=0.897，通常情况下相关系数R越接近l表明网络的拟合程度越好，所以根据回归分析说明该模型的预测输出有效。

由于该网络的输入和输出值是随机选取的，因此每次训练的结果均有一定程度的差异，本文对网络进行了10次训练，计算出的平均准确率为85.3%。可以表明该网络的准确度比较理想，能够根据院校间的五大可比指标来预测大学生的深度学习水平，具有一定的应用价值。

四、结论

BP神经网络具有“相似形输入，相似形输出”的特征，所以该方法的预测精度和科学性不仅取决于训练样本的数量，更取决于训练样本的质量。训练样本的数量越多，质量越高，越能精确地预测出大学生的深度学习水平。同时.BP神经网络具有很强的自组织和自适应性，因此利用BP神经网络算法来构建大学生深度学习水平预测模型，可以使其预测结果更加精准且富有合理性

深度学习精准预测 篇4

热点速览

从现阶段到“十三五”末，山西的扶贫攻坚将进入一个新时期新阶段，我省共有21个县列入国家重点支持的连片特困地区，这一轮扶贫攻坚内涵更深、标准更高、任务更重。新时期的扶贫攻坚，是全面建成小康社会的重大基础工程，是关系到全省人民能否共享改革发展成果的重要举措，是实现山西转型跨越发展的重要保障。中考命题全方位走向材料一：党的十八大以来，总书记多次深入贫困地区调研，就扶贫开发工作发表了一系列重要讲话，深刻阐明了新时期我国扶贫开发的重大理论和实际问题，形成了新时期我国扶贫开发战略思想。国务院总理李克强多次强调，当前扶贫已进入新的攻坚期，要通过进一步深化改革、创新机制、完善政策，增强贫困地区“造血”功能和发展后劲，实行更科学更有效的扶贫。2014年，我国首次将每年10月17日设立为“扶贫日”，动员社会各方面力量共同向贫困宣战，继续打好扶贫攻坚战。

1.党和政府重视扶贫工作说明了什么？（国家设立扶贫日、重视棚户区改造表明了什么？党和政府重视扶贫体现了教材中的哪些观点？）①体现了党和政府对贫困地区的高度重视，彰显了对人民群众的关爱，表明了对扶贫开发的坚强决心； ②实现共同富裕是社会主义本质的要求； ③党始终代表最广大人民的根本利益，体现了党全心全意为人民服务的宗旨和以人为本的理念； ④贯彻以人为本的科学发展观，彰显了社会主义制度的优越性。

2.国家重视实现扶贫全覆盖的重要意义？ ①体现了党和政府对扶贫开发工作的高度重视，有利于弘扬中华民族扶危济困的传统美德； ②有利于贯彻落实科学发展观，使全体人民共享改革发展的成果； ③有利于缩小贫困差距，实现共同富裕； ④有利于维护社会公平正义，构建和谐社会，加快全面小康社会的建成； ⑤有利于缓解我国社会的主要矛盾，维护社会长期稳定。

3.“全面小康是全体中国人民的小康，不能出现有人掉队”，你认为我们应从哪些方面努力？ 政府：①创新扶贫开发方式；②加快推进集中连片特殊困难地区区域发展与扶贫攻坚；③国家加大对跨区域重大基础设施建设和经济协作的支持；④地方政府要整合扶贫资源，实行精准扶贫，确保扶贫到村到户。企业：积极承担社会责任，展开对口扶贫； 社会：新闻媒体大力宣传，引导社会力量参与扶贫事业。贫困地区：贫困地区要自强不息，艰苦创业，努力摆脱贫困。

材料二：2015减贫与发展高层论坛在北京人民大会堂举行，国家主席习近平主席出席论坛并发表主旨演讲。习近平主席表示，中国是全球最早实现千年发展目标中减贫目标中发展中国家，为全球减贫事业做出了重大贡献。全面小康是全体中国人民的小康，不能出现有人掉队。未来5年，我们将使中国现有标准下7000多万贫困人口全部脱贫。、4.“中国是全球最早实现千年发展目标中减贫目标中发展中国家，为全球减贫事业做出了重大贡献”，中国的扶贫开发道路是怎样的？

中国以经济发展为带动力量、以增强扶贫对象自我发展能力为根本途径，政府主导、社会帮扶与农民主体地位相结合，普惠性政策与特惠性政策相配套，扶贫开发与社会保障相衔接的中国特色扶贫开发道路，中国的扶贫实践丰富了世界减贫模式

5.“中国是全球最早实现千年发展目标中减贫目标中发展中国家，为全球

减贫事业做出了重大贡献”，你认为创造“中国奇迹”的原因是什么？ 根本原因：开辟了中国特色社会主义道路，形成了中国特色社会主义理论体系，确立了中国特色社会主义道路。主要原因：①坚持中国共产党的正确领导；②坚持改革开放；③坚持以经济建设为中心，大力发展生产力；④坚持四项基本原则；⑤坚持党的基本路线不动摇；⑥全国各族人民的艰苦创业、团结协作；⑦实施科教兴国战略、人才强国战略；⑧实施可持续发展战略等。

6.“中国是全球最早实现千年发展目标中减贫目标中发展中国家，为全球减贫事业做出了重大贡献”，你认为党和政府怎样才能谱写扶贫工作的新篇章？ 政府：①创新扶贫开发方式；②加快推进集中连片特殊困难地区区域发展与扶贫攻坚；③国家加大对跨区域重大基础设施建设和经济协作的支持；④引导社会力量参与扶贫事业。地方：优化整合扶贫资源，实行精准扶贫，确保扶贫到村到户。充分调动广大群众、干部的积极性，树立脱贫致富、加快发展的决心； 贫困群众：发扬自力更生、艰苦奋斗精神，坚持苦干实干。

7.你打算在扶贫开发工作中做出哪些贡献？ ①树立远大理想，努力学习科学文化知识，培养创新精神和实践能力，提高综合素质，增强社会责任感； ②积极宣传国家的扶贫开发政策，积极参加相关的扶贫开发活动； ③为贫困地区捐款捐物，为政府扶贫开发工作献计献策； ④立志成才，报效祖国，长大后成为国家的扶贫开发工作作出更大的贡献。8.李克强作出重要批示，让更多的困难群众受益。这传递了怎样的信息？

传递了党政府改善民生、消除贫困的坚强决心，致力于让全体人民共享经济发展的成果。

9.我国还有7000多万贫困人口，扶贫任务依然艰巨。为消除贫困，请你提出合理化的建议。（变问式：我国怎样才能打赢扶贫攻坚战？）①坚持以经济建设为中心，大力发展生产力； ②给贫困地区以资金、技术、政策等方面的支持，不断推进扶贫开发领域的改革创新； ③大力发展社会保障事业，为贫困人口提供基本生存保障； ④坚持教育抚贫，提高贫困人口的素质； ⑤广泛动员社会参与，凝聚起抚贫开发的强大合力等。材料三：2016年是中国第三个扶贫日和第24个国际消除贫困日。要努力实现教育抚贫全覆盖、不让一个贫困孩子掉队。目前全国有14个集中连片特困地区、592个国家扶贫重点县、7000多万贫困人口，扶贫任务依然艰巨。在财力物力人力有限的情况下，教育扶贫当扶在关键处。

10.要实现教育扶贫，必须是是哪一战略？

科教兴国战略、人才强国战略。

11.实现教育扶贫，国家应采取哪些措施？ ①实施科教兴国战略，把教育摆在优先发展的战略地位，努力提高贫困人口的文化素质； ②深化教育体制改革，实施和推进素质教育，培养能够吃苦耐劳、敢于拼搏精神的高素质人才； ③加强教育投资力度，大力推行均衡教育

12.扶贫必扶智，让贫困地区的孩子接受良好教育是扶贫的最好途径。国家为我们接受教育提供供了良好的条件，我们中学生应如何做？ ①按时入学，接受规定年限的义务教育，不中途退学； ②遵守学校纪律，尊敬师长； ③自觉养成主动、持续学习的好习惯，认真完成规定的学习任务； ④树立远大理想，培养创新精神和能力，立志报效祖国； ⑤树立终身学习观念，增强获取知识、自主判断与选择的能力等。

13.请列举近年来我国采取的扶贫措施有哪些？ ①建立和完善城镇和农村最低生活保障制度； ②免除城乡义务教育阶段学生的学杂费，提高农村家庭经济困难寄宿生生活补助标准； ③建立廉住房制度和经济适用房制度； ④实施大病救助制度； ⑤完善城乡合作医疗保障体制； ⑥加快棚户区改造等。

深度学习精准预测 篇5

电影院线简称“院线”，是以影院为依托，以资本和供片为纽带，由一个电影发行主体和若干电影院组合形成，是电影放映行业一种具有垄断性的经营体制。它实行统一品牌、统一拍片、统一经营、统一管理的发行放映机制。

随着近年电影票房的迅猛增长，电影院线无疑是当前文化产业最为热门的领域之一。前瞻产业研究院数据显示：近年来，在国家主管部门政策推动的刺激下，中国院线的发展速度位居世界前列。截至2011年年底，全国注册院线40条，正式挂牌运营的39条院线中有23条院线票房过亿元，占院线份额60.5%，其中4条院线票房超过10亿元，万达院线以17.85亿元票房领军全国院线。截至2012年前三季度，全国城市影院数量达到2803家，银幕总数9266块，其中90%的银幕已经实现数字化。

2012年，影视公司迎来上市潮。不仅万达电影院线、广州金逸影视传媒等民营资本等待上市融资，如今，电影国家队“中影”“上影”也出现在拟IPO队伍中。资本市场是行业的晴雨表。在影视集团争相上市的背后，折射了我国电影产业的蓬勃发展和对资金的“渴望”，中国电影正面临着前所未有的机遇与挑战。

在“文化兴国”成为国家发展战略的大背景下，电影行业的政策利好也是源源不断。2009年，《文化产业振兴规划》从财政金融税收等各个方面，对影视产业的重大领域重点项目都给予了支持；2010年初，《国务院办公厅关于促进电影产业繁荣发展的指导意见》发布后，中国电影迎来了最大一波利好拉动。万达集团、中影星美、广东大地等民营资本纷纷进入电影产业市场；目前，《中国电影产业促进法》也正在抓紧考察推进中。而在广播电视这个大的领域里面，电影将是国家从法律层面进行扶助的首个产业。

中国电影产业已然呈现出飞跃式发展态势。“十二五”期间我国票房将突破300亿元，冲击400亿，到“十二五”末期，中国将成为全球第二大电影市场。

前瞻网《2013-2017年中国电影院线和电影院运营管理及投资风险分析报告》共十章。首先介绍了国际国内电影院线行业的发展，接着细致剖析了中国的电影产业，然后重点分析了中国电影院线的市场发展状况。随后，报告对电影消费者的研究进展进行了概述，并详细分析了电影院线行业重点企业的经营状况、行业竞争格局、企业管理和营销战略，最后重点分析了电影院线行业的投资状况，并对其未来发展前景做出了科学的预测。

深度学习精准预测 篇6

如何才能全面了解期货研究报告行业的市场情况？如何才能深入挖掘期货研究报告行业的市场潜力？如何才能把数据转化为可执行的市场方案？中国报告大厅推出《2013-2017年中国期货行业深度调研及投资前景预测报告》，让你快速的了解期货研究报告市场情况，挖掘期货研究报告市场潜力。期货研究报告市场调研不仅仅是堆砌数字，它可以提炼出可执行的信息，能带来切实的回报。

期货研究报告简介及目录 期货研究报告简介：本研究咨询报告由中国报告大厅领衔撰写，在大量周密的市场调研基础上，主要依据了国家统计局、国家商务部、中国期货业协会、上海期货交易所、郑州商品交易所、大连商品交易所、中国期货行业信息、及国内外相关报刊杂志的基础信息，全面分析了我国期货行业发展的宏观形势、政策、行业总体水平、市场竞争现状、市场结构特征。报告涵盖了商品期货和金融期货两大市场的各类期货产品价格，供给、需求等重要指标！期货研究报告目录

2013-2017年中国期货行业深度调研及投资前景预测报告 第一章 期货的概述 1

第一节期货的概念 1

一、期货的定义 1

二、商品期货 1

三、金融期货 2

第二节期货交易的定义及特点 10

一、期货交易的定义 10

二、期货交易的特点 10

三、期货交易的功能 11

四、期货交易的运行机制 11

第三节期货市场基本知识简介 12

一、期货市场的发展史 12

二、期货市场的特征及功能 13

三、期货市场的组织结构 1

4第二章国际期货行业发展状况分析 16

第一节国际期货发展概述 16

一、国际主要期货交易所及交易品种概况 16

二、国际期货交易和监管合作分析 16

三、期货市场监管日趋国际化 18

第二节美国期货发展分析 23

一、美国期货市场发展概述 23

二、美国期货市场的管理体制 30

三、美国期货经纪商经营状况 32

第三节英国期货发展分析 41

一、英国期货市场发展概述 41

中国首选市场研究报告门户服务热线400 817 800

市场研究专家企业贴心顾问

二、英国期货行业的做市商机制 46

三、英国期货市场的交易机制分析 47

四、解析英国期货市场的法律监管 50

五、英国期货市场结算的风险分析 55

第四节日本期货发展分析 57

一、日本期货市场发展概述 57

二、日本商品期货市场现状及改革 59

三、日本股指期货市场发展三阶段 60

四、日本的利率期货市场分析 61

第五节香港期货发展分析 62

一、香港期货市场发展概述 62

二、简析香港股指期货投资者结构 65

三、香港交易所期货发展状况 69

查看完整期货研究报告： 宇博智业如何帮助企业？

1、宇博智业市场研究的四大优势

宇博智慧运用10多年的市场研究经验，形成了独创的数据分析模型和数据支持平台，依托专家资源优势、资源整合优势、数据信息优势和调研分析优势助力客户赢战市场。

2、宇博智业从四个维度洞察市场

宇博智业坚持实事求是，从实际出发，从项目一线调研、行业运行监测、产品趋势研究、一手数据研究四个维度洞察市场，当好客户的参谋。

3、宇博智业咨询服务的六大事业群

市场研究事业群通过信息、技术和服务的整合助力客户赢得市场先机；品牌咨询事业群通过创新品牌运营理论和实践凸显客户品牌价值；投资顾问事业群通过一站式服务让客户坐拥智慧服务；信息技术事业群通过“中国报告大厅”挑选和享用我们的研究成果；软件开发事业群提供的ERDS企业资源决策系统为客户科学决策提供强有力的支持；管理咨询事业群让客户尊享企业跨越式发展。

深度学习精准预测 篇7

关键词：网络流量,深度学习,深度信念网络,受限玻尔兹曼机,神经网络,预测

近年来, 目前的网络规模随着计算机网络的迅速发展变得极为复杂和庞大, 网络流量管理日益重要和迫切, 其核心是准确预测网络流量并及时做出调整, 可以有效地改善网络性能和提高服务质量。目前网络流量预测主要有传统统计和智能预测两大类方法。

传统统计方法主要是基于线性回归理论进行预测, 如Sang A等[1]提出的基于自回归 ( AR) 的预测模型, 邹柏贤[2]提出自回归滑动平均 ( ARMA) 的预测模型以及薛可[3]提出的基于自回归求和滑动平均 ( ARIMA) 预测模型, 上述模型是难以准确反映网络流量的非线性变化规律, 使得模型的预测结果不可靠。智能预测方法是将机器学习算法应用于网络流量预测, 人工神经网络算法为目前网络流量预测的主要研究方向。刘杰[4]提出了基于BP神经网络预测模型, 提高了预测精度和灵活性, 但BP算法本身存在收敛速度慢和存在局部极小点的问题。王俊松[5]提出基于RBF神经网络的预测模型解决了BP神经网络本身存在的问题, 赵清艳[6]提出的遗传优化神经网络预测模型, 用遗传算法来优化RBF神经网络的模型参数, 取得比较好的结果。但是RBF模型的不足之处在于需要大量的数据样本才能获得好的效果。

上述预测模型都是基于浅层结构算法的预测模型, 都不能更接近真实反映网络流量数据中复杂的非线性关系。Hinton[7]提出了深度学习理论为上述问题提供了解决思路。深度学习可通过自学习构建一种非线性深层次的网络结构, 能更准确拟合复杂函数。基于深度学习理论, Hinton又提出了深度信念网络 ( DBN) [8], 其是目前研究和应用都比较广泛的深度学习方法, 已经成功应用于多个领域[9]。

综上所述, 为了更好反映网络流量数据之间的关系, 提高预测精度, 本文研究了一种基于深度信念网络 ( DBN) 的网络流量预测模型, 其为非线性深层次网络结构[10]模型, 克服了传统预测模型的不足, 具有更高的函数逼近能力和良好自适应性。

1 网络流量预测原理

网络流量数据是由网络上在线用户的行为而产生, 而用户行为又会随着外界因素的影响而变化, 因而其产生的网络流量既有规律性也有偶然性。网络流量数据本质上是一种时间序列数据。根据流量行为的特性, 不同时刻之间的流量存在一定的非线性关系, 其动力学特性表示为:

其中, n为模型的阶数, 分别为t, t - 1, t - 2, …, t - n时刻的网络流量[5]。

由 ( 1) 式网络流量时间序列动力学特性可知, 通过t, t - 1, t - 2, …, t - n时刻的网络流量可以预测出t时刻的网络流量数据, 它们之间存在复杂的非线性关系f ( ·) 。本文使用深度学习算法进行非线性函数拟合, 并在此基础上提出一种基于深度信念网络的网络流量预测模型。

2 深度信念网络模型

2. 1 模型结构

基于深度信念网络 ( DBN) 的网络流量预测模型由两层受限玻尔兹曼机 ( RBM) 和一层BP神经网络组成。其结构如图1 所示。

深度信念网络 ( DBN) 的核心是受限玻尔兹曼机 ( Restricted Boltzmann Machines, RBM) 单元, RBM是一种典型的人工神经网络, 其是由可视层和隐藏层组成的一种特殊的对数线性马尔可夫随机场 ( Markov Random Field) , 网络中处于同一层的节点之间无连接。一个深度信念网络 ( DBN) 的参数需要预训练和微调训练两个训练过程来确定。

2. 2 预训练

预训练就是网络参数初始化的过程, 通过逐层采用无监督贪心算法方式来[11]初始化各层间的连接权重值和偏置值。在训练过程中, 首先将可视向量的值映射给隐含单元, 然后可视单元由隐含单元重建, 随后将这些新可视单元再次映射给隐含单元, 这样就获取了新的隐含单元。反复执行这种步骤的过程叫做吉布斯采样[12]。下面来分析RBM参数训练过程。

RBM层与层的节点之间相互无连接, 其本质上是一种能量模型, 可视层和隐含层的联合组态能量函数为:

式中, vi和hj分别为可视层、隐含层的节点状态。θ = { w, a, b} 是模型的参数, wij为可视层和隐含层之间连接权重值, bj和ai分别是可视层节点和隐含层节点对应的偏置值。则RBM在状态参数 θ 下的联合概率为:

其中, 是归一化因子, 即h, v分配函数。求Pθ (v, h) 对h的边缘分布:

然后采用最大似然函数最大化Pθ ( v) , 得到RBM的参数并通过随机梯度下降法推导出RBM的权值更新准则:

其中: Edata ( vihj) 是在真实数据集中的期望, Emodel ( vihj) 是模型中定义的期望。

一层的RBM训练完成之后, 把其隐含层节点的相应参数作为输入数据来训练下一层的RBM, 以此类推, 可训练多层RBM, 最终完成整个DBN的预训练过程。

2. 3 微调权值训练

预训练完成后可以初始化RBM每层的参数, 然后使用BP神经网络算法[13]对DBN的所有权重值进行微调训练, 利用输出误差来估计输出层的直接前一层误差, 经过逐层的反向传播学习, 估计获得所有其余各层的误差, 再使用梯度下降法计算更新各节点权值直到输出误差足够小。权值微调算法克服了传统BP神经网络因随机初始化权值参数而容易陷入局部最小和训练时间过长的缺点, 只需要对已知权值空间进行微调, 大大缩减了参数寻优的收敛时间。

3 网络流量预测

3. 1 模型预测流程

基于深度信念网络模型具体预测流程如图2 所示。

首先从网络上收集到的网络流量数据进行归一化处理, 然后将数据集分成训练集和测试集两部分, 使用训练集训练网络流量预测模型参数, 最后使用测试集测试模型预测效果。

3. 2 网络流量数据归一化处理

由于网络流量是多种因素影响的综合结果, 其数据值的变化范围较大, 需要对收集到的网络流量样本数据进行归一化处理[14]来提高模型的训练效率, 将所有的网络流量数据值处理为[0, 1]区间范围的数据, 采用的方法为最大最小法, 其公式为:

模型预测完成后, 还需要对预测的结果进行反归一化处理, 使其恢复成真实的预测流量数据, 反归一化公式为:

式中, xi表示网络流量原始数据, xmax和xmin表示流量数据的最大值和最小值。

3. 3模型评价指标

为了检验模型预测准确度和效果, 采用均方根误差RMSE ( Root Mean Squared Error) 和平均绝对误差MAE ( Mean Absolute Error) 等指标对预测准确度进行衡量, 上述指标定义如下:

式中, yt表示网络流量实测值, 表示模型预测值, n为预报检验的个数。显然, 上述两个评价指标的值越小, 说明模型的预报精度越高。

4 实验分析

4. 1 数据来源

实验数据来源于网络流量文库 ( http: / /news. cs. nctu.edu. tw / innreport / ) 主节点路由器Incoming articles从2014 年9 月1 日到10 月20 日的每小时访问流量, 得到1 200 个流量数据样本, 从而形成一个网络流量时间序列, 如图3 所示。

将前1 000 个流量数据作为训练集建立基于深度信念网络的网络流量预测模型, 其余200 个数据作为测试集进行预测检验。模型训练前需要对网络流量原始数据进行归一化处理。

模型预测前需要确定模型的阶数。在本流量数据样本中的时间粒度为1 小时。网络流量的自相关函数变化曲线如图4 所示。

经过分析, 从图4 中可知, 某t时刻的网络流量数据值与t - 1, t - 2, t - 3, t - 4, t - 5 时刻的网络流量数据值相关性高, 故设模型的5 阶, 即将t - 1, t - 2, t - 3, t - 4, t - 5 时刻的网络流量数据值输入预测模型, 以此来预测时刻的网络流量值。

4. 2 结果与分析

对于图4 的网络流量, 基于深度信念网络预测模型的预测结果和预测误差变化曲线分别如图5 和图6 所示。

从图5 可知, DBN流量预测模型可以很好的跟踪网络流量变化趋势, 预测的网络流量值和实际值比较接近, 偏差小。从图6 可知, DBN流量预测模型预测误差小, 预测误差变化范围波动小。

为了进一步说明基于深度信念网络 ( DBN) 的预测模型的效果, 分别与传统神经网络, 即基于BP神经网络及基于RBF神经网络流量预测效果进行比较, 如表1 所示。

对表1 各个模型评价指标进行分析可知, 基于DBN的预测模型相对于BP神经网络和RBF神经网络的预测误差均有所下降, 预测精度得以提高, 表明DBN网络流量预测模型较好的克服了传统神经网络的缺陷, 提高了网络流量的预测精度, 可以建立性能更优的网络流量预测模型。

上述实验结果分析表明, 基于深度信念网络 ( DBN) 的网络流量预测模型是一种高精度、预测结果可靠的网络流量预测模型。

5 结束语

深度学习精准预测 篇8

关键词：内蒙古地区；农业经济系统；投入产出分析

中图分类号： F326 文献标识码： A DOI编号： 10.14025/j.cnki.jlny.2016.14.028

内蒙古地区是发展农业经济的集中区域。作为农业大国，发展内蒙古地区农业经济是我国当前的主要目标。为了使农业能够得到更为稳定的发展，必须加强各部门之间的联系，同时调节好投入和产出的比例关系，确保农业经济稳定增长。在农业经济系统中的投入产出分析中，投入是指在农业生产过程中投入的劳动对象和劳动资料，劳动对象主要指农民，劳动资料主要包含种植过程中所使用的种子、化肥、农药等。产出主要是指农产品的产出数量以及各种分配使用的方向。在农业经济系统中产出和投入，不仅能够预测未来农业的发展方向，而且能够利用各种分析方法对农业经济系统做出具体的分析。

1投入产出分析的理论基础

1.1 基本理论

投入产出分析的基本理论是一步步走向成熟的，其最初出现是在法国重农学者魁奈所提出的“经济表”，随后马克思提出“社会再生产率”，确定了两大部门的比例关系，瓦尔拉斯为其补充提出“一般均衡理论模型”，确立了多个部门间的比例关系。随着时代的不断发展和进步，又逐步出现平衡表和各种与经济有关的数学模型，这些在分析和研究经济系统中发挥着重要的作用。最后，中国在1982年正式编制，确立产出表、实物表、价值表三个表作为投入产出分析的基本理论基础。

1.2 原理方法

投入产出分析主要是利用数学计算与电子信息技术结合的方法，并结合网上编程和有效的软件，通过这些将经济系统中的投入和产出的关系比例精确的计算出来，并进行相应的研究。其不只是简单的运用于一个部门，而是在多个部门中有着相关联系，甚至其关系到整个国民经济。

1.3 基本模型

投入产出的基本模型主要分为四种：一是静态模型和动态模型；二是价值型和实物型；三是宏观模型和微观模型；四是报告期和计划期投入产出模型。第一种是按照模型反映的时期而划分出来的，第二种是根据计量单位的不同，第三种是投入产出表按资料范围划分，第四种是按照资料的性质和内容划分出来。在投入产出分析过程中，这四种基本模型能够对经济系统做出计划和安排，以及根据所得的数据对未来的经济发展趋势做出预测。

2 投入产出分析在内蒙古地区农业经济系统中的具体应用

2.1 利用投入产出对内蒙古地区的农业经济做出预测

在农业收成之后，往往会根据收获的农产品做出具体的投入产出表，根据表格中的内容进行动态分析能够预测出在将来近一段时间内农业的收成情况，再根据这些趋势做出安排和改进。在2002年对内蒙古农业的产业结构进行分析后，利用投入产出分析中的投入产出表就能够比较出农业产业结构的比重是有所上升还是有所下降，同时也能对未来的发展情况有着更为清晰的认识。

2.2 分析重大决策对内蒙古地区农业经济系统的影响

若要维持内蒙古农业经济系统的稳定性，就需要将各个部门之间的关系保持一个平衡的状态。重大决策往往会给农业经济系统造成巨大的反响，甚至会造成一系列的反应，所以做出一个正确的决策对于农业经济结构的发展具有重要意义，投入分析能够综合各种因素，评估重大决策的可实施性，所以在分析农业经济系统中具有很强的实际操作性。例如，国家“三农”政策推行以来，对于内蒙古地区的农业不仅没有造成不良的后果，而且经投入产出分析，其能够推动内蒙古地区经济的发展，这一政策的推行对内蒙古东部平原地区农业的发展具有重要意义。

2.3 投入产出分析在设施农业经济效应中的应用

随着科技的不断进步，新型的农业技术手段也层出不穷，设施农业有着较为广泛的发展空间。为使其有着更好的发展前景，增加农民的收入，使内蒙古经济系统的收益得以提升，必须对设施农业方面进行更为深入的研究。日光温室在目前受到较为广泛的关注，内蒙古地区气候差异过大，采用日光温室能够很大程度的提高农作物的产量，但必须对其可操作性进行具体分析。利用投入产出分析，分析出生产成本、产值以及净收入等具有关联性的联系，然后对其中所存在的问题提出合适的解决对策，再根据定量、定性等分析方法做出更为具体的分析，提出更适合的解决方案。

3 结语

内蒙古地区地域辽阔，农业的发展决定着居民的生活质量，必须充分利用投入产出分析提高经济效益，做出正确的决策，并预测出未来农业准确的发展趋势，为内蒙古地区农业的发展做出保障。加深对投入产出分析的研究，让其与农业经济系统零距离，共发展。

参考文献

[1]吴锦凤等.对内蒙农牧业经济投入产出的比较研究[J].内蒙古统计，1998（01）：13-14.

[2]王韩伟.投入产出分析在农业经济系统中的应用[J].农机化研究，2005（03）：36-38.