基于BP神经网络的农产品跨境电商人才培养方案设计与应用
发布时间：2021-06-07 15:18
在经过广泛调研专业农产品跨境电商人才的知识体系和技能的基础上,总结分析专业农产品跨境电商人才具备的9大重要特征。利用这些特征量化收集得到的652份样本数据,建立基于BP神经网络的农产品跨境电商人才培养算法模型。实际应用结果表明,采用十字交叉验证方法进行验证,分类的准确度达到了95%,相比传统的KNN分类算法,分类精确度较高,节省了评估农产品跨境电商人才具有不同水准的人力物力,同时可以针对不同类别的跨境电商人才,提供精准培养,避免资源浪费。
【文章来源】：微型电脑应用. 2020,36(05)
【文章页数】：4 页
【部分图文】：
BP神经网络分类模型算法流程图
构建的BP神经网络从输入到输出的维度分别为(9,400,300,100,3),构造的神经网络模型,如图2所示。图2中的隐藏层包含了3层的神经网络模型,构造的BP神经网络由1个输入层,3个隐藏层和1个输出层组成。对于第二层神经网络中的每一个神经节点来说,对于第一层输入的数据,经过线性变换,如式(1)所示。
实验的环境采用的是Windows10的操作系统,CPU型号为Intel(R) Core(TM) i7-8750H@2.20 GHz 2.1 GHz,内存为8 G,算法的实现采用的是基于Pytorch深度学习框架的Python语言实现的。在实验的过程中,按照1.1的十字交叉验证方法,每次随机按照0.7的比例选取456条数据作为训练数据,剩余的196条数据作为验证数据,实验进行10次,取10次的验证数据的准确度作为平均的准确率。实验的BP神经网络的学习率设置为α=0.28,迭代的次数设置epochs=1000,之所以选择学习率α=0.28,是因为在此参数下,对精确度影响较低,而迭代速度较快,能尽快地收敛。实验的结的损失函数趋势图,如图3所示。有图3的实验数据可以看出,当迭代的次数大致达到800次的时候,模型的损失函数基本上达到了收敛的水平,待模型稳定后,就可以对模型进行验证数据的测试了,验证集测试的结果,如表2所示。
【参考文献】：
期刊论文
[1]Knn算法在互联网涉警舆情分析系统的应用研究[J]. 陈来. 通讯世界. 2019(12)
[2]基于改进的遗传算法与人工神经网络的类流感的预测[J]. 胡红萍,白黄琴,白艳萍,张菊平,刘茂省. 中北大学学报(自然科学版). 2019(06)
[3]基于长短期记忆神经网络的手写数字识别[J]. 蒋锐鹏,姑丽加玛丽·麦麦提艾力,安丽娜. 计算机技术与发展. 2020(02)
[4]基于BP神经网络的包装分拣机器人视觉标定算法[J]. 章晓峰,李光,肖帆,杨家超,马祺杰. 包装学报. 2019(04)
[5]“一带一路”背景下我国农产品跨境电商发展现状及策略研究[J]. 严淑芬,王志和. 电子商务. 2019(06)
[6]改进的BP神经网络算法的研究与应用[J]. 富宇,李倩,刘澎. 计算机与数字工程. 2019(05)
[7]一种新型激活函数:提高深层神经网络建模能力[J]. 贺扬,成凌飞,张培玲,李艳. 测控技术. 2019(04)
[8]跨境电商专业人才胜任素质模型研究[J]. 苏曼. 高等工程教育研究. 2016(03)
[9]基于三个并行BP神经网络的机器人逆运动学求解[J]. 臧庆凯,李春贵,钟宛余. 计算机测量与控制. 2012(08)
[10]基于最优朴素贝叶斯分类器的个人信用预测[J]. 吴陈,张明华. 江苏科技大学学报(自然科学版). 2012(04)
硕士论文
[1]基于迁移学习的情感分类研究与应用[D]. 段秀玉.北京邮电大学 2019
[2]以提升用户信任为导向的跨境电商服务设计研究[D]. 帅如.华东理工大学 2018
本文编号：3216823
【文章来源】：微型电脑应用. 2020,36(05)
【文章页数】：4 页
【部分图文】：
BP神经网络分类模型算法流程图
构建的BP神经网络从输入到输出的维度分别为(9,400,300,100,3),构造的神经网络模型,如图2所示。图2中的隐藏层包含了3层的神经网络模型,构造的BP神经网络由1个输入层,3个隐藏层和1个输出层组成。对于第二层神经网络中的每一个神经节点来说,对于第一层输入的数据,经过线性变换,如式(1)所示。
实验的环境采用的是Windows10的操作系统,CPU型号为Intel(R) Core(TM) i7-8750H@2.20 GHz 2.1 GHz,内存为8 G,算法的实现采用的是基于Pytorch深度学习框架的Python语言实现的。在实验的过程中,按照1.1的十字交叉验证方法,每次随机按照0.7的比例选取456条数据作为训练数据,剩余的196条数据作为验证数据,实验进行10次,取10次的验证数据的准确度作为平均的准确率。实验的BP神经网络的学习率设置为α=0.28,迭代的次数设置epochs=1000,之所以选择学习率α=0.28,是因为在此参数下,对精确度影响较低,而迭代速度较快,能尽快地收敛。实验的结的损失函数趋势图,如图3所示。有图3的实验数据可以看出,当迭代的次数大致达到800次的时候,模型的损失函数基本上达到了收敛的水平,待模型稳定后,就可以对模型进行验证数据的测试了,验证集测试的结果,如表2所示。
【参考文献】：
期刊论文
[1]Knn算法在互联网涉警舆情分析系统的应用研究[J]. 陈来. 通讯世界. 2019(12)
[2]基于改进的遗传算法与人工神经网络的类流感的预测[J]. 胡红萍,白黄琴,白艳萍,张菊平,刘茂省. 中北大学学报(自然科学版). 2019(06)
[3]基于长短期记忆神经网络的手写数字识别[J]. 蒋锐鹏,姑丽加玛丽·麦麦提艾力,安丽娜. 计算机技术与发展. 2020(02)
[4]基于BP神经网络的包装分拣机器人视觉标定算法[J]. 章晓峰,李光,肖帆,杨家超,马祺杰. 包装学报. 2019(04)
[5]“一带一路”背景下我国农产品跨境电商发展现状及策略研究[J]. 严淑芬,王志和. 电子商务. 2019(06)
[6]改进的BP神经网络算法的研究与应用[J]. 富宇,李倩,刘澎. 计算机与数字工程. 2019(05)
[7]一种新型激活函数:提高深层神经网络建模能力[J]. 贺扬,成凌飞,张培玲,李艳. 测控技术. 2019(04)
[8]跨境电商专业人才胜任素质模型研究[J]. 苏曼. 高等工程教育研究. 2016(03)
[9]基于三个并行BP神经网络的机器人逆运动学求解[J]. 臧庆凯,李春贵,钟宛余. 计算机测量与控制. 2012(08)
[10]基于最优朴素贝叶斯分类器的个人信用预测[J]. 吴陈,张明华. 江苏科技大学学报(自然科学版). 2012(04)
硕士论文
[1]基于迁移学习的情感分类研究与应用[D]. 段秀玉.北京邮电大学 2019
[2]以提升用户信任为导向的跨境电商服务设计研究[D]. 帅如.华东理工大学 2018
本文编号：3216823
本文链接：https://www.wllwen.com/shekelunwen/shishidongtai/3216823.html
