基于MATLAB实现的ANN方法在安全评价中的应用
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
多 层 前 馈 Ｂ Ｐ（ Ｂ ａｃｋ ｐｒｏｐａｇａｔｉｏｎ） 网 络 是 １９８５ 年 由 Ｒ ｕｍ ｅｌｈａｒｔ 和 Ｍ ｃｃｌｅｌｌａｎｄ 领 导 的 ＰＤ Ｐ（ ＰａｒａｌｌｅｌＤ ｉｓｔｒｉｂｕｔｅｄ Ｐｒｏｃｅｓｓｉｎｇ） 小 组 提 出的一种基于误差反向传播算法的网络， 是目前为止最有影响的 一种， 它是在感知器中加入隐含层并且使用广义 δ－ 算 法 进 行 学习之后发展起来的。表现为多层网络结构， 相邻层之间为单向 完全连接， 由于这种对老的感知器模型的改进， 使 ＢＰ 网络可以 以任意精度近似任意连续函数。由于 ＢＰ 网络对输入输出节点的 数量没有限制， 使很多问题可以转化为用 ＢＰ 网络能够解决的问 题。
４ 电教手段是培养学生交际能力的港船
对于小学生来说， 一堂 ４０ 分钟的课， 确实很难始终如一高度 集中注意力， 尤其在课临近结束时， 特别容易分散注意力， 降低课 堂效率。因此， 在一节课进入尾声时， 教师可以展示几幅对话场 景， 让学生自由对话， 然后看着动画， 随着画面的变化给动画配 音， 使他们在轻松活泼的氛围中进行交际性练习， 培养他们仔细 观察事物， 善于用英语思维和表达的好习惯。
网络的泛化推广能力是衡量神经网络性能好坏的重要标志。 一 个“ 过 度 训 练 ”（Ｏ ｖｅｒｆｉｔｔｉｎｇ）的 神 经 网 络 可 能 会 对 训 练 样 本 集 达 到较高的匹配效果， 但对于一个新的输入样本矢量却可能会产生 与目标矢量差别较大的输出， 即神经网络不具有或具有较差的推 广 能 力 。在 正 则 化 方 法 中 通 过 修 正 神 经 网 络 的 训 练 性 能 函 数 来 提 高其推广能力。通过采用新的性能指标函数， 可以在保证网络训 练误差尽可能小的情况下使网络具有较小的权值， 即使得网络的 有效权值尽可能少， 这实际上相当于自动缩小了网络的规模。下 面选用 Ｔｒａｉｎｂｒ 训练函数进行训练。 ３．２ 网络设计过程
摘要： 近年来， 随着现代教育技术的推广应用， 电教手段以其 图像直观、色彩鲜艳、音响逼真、动静结合、形象生动的特点 ， 博得 了广大师生的青睐， 与换灯录音相比， 教学效果不同凡响， 成为深 化教育教学改革的一道亮丽的风景线， 在课堂教学中， 巧用电教 手段， 使常规课堂教学如虎添翼， 创造出生动、充满趣味的课堂气 氛和学习效果。
比较
３ 神经网络的设计与分析
３．１ 训练函数的选择 ＢＰ 学习算法的理论依据清晰， 即采用梯度下降误差反向传
播。为提高 Ｂ Ｐ 学习算法的收敛速度， Ｍ ａｔｌａｂ 中设计有各种优化算 法。主要有基于 Ｌ－Ｍ 理论的 ｔｒａｉｎｌｍ 函数、自适应学习速率梯度下 降反向传播的 ｔｒａｉｎｄａ 函 数 、动 量 梯 度 下 降 法 的 ｔｒａｉｎｄｍ 函 数 以 及 提高网络泛化推广能力的贝叶斯正则化算法 ｔｒ数时网络训练误差变化的曲线 ３．３ 神经网络的仿真
在 网 络 训 练 完 成 以 后 ， 模 型 建 立 ， 可 用 某 一 输（ 下 转 １６３ 页）
２００６ 年（ 第 ３５ 卷） 第 ６ 期
文化教育
甘肃科技纵横
浅谈电教手段在英语教学中的运用
魏淑芳
（ 甘肃省会宁县北关小学， 甘肃 会宁 ７３０７００）
权值 ／阀值调节
图 １ 有监督学习原理图
２ 数据来源以及整理
在确定了预测的目的之后， 数据的搜集和整理是预测的另一 个重要步骤。资料是进行预测的依据， 应根据预测目标的具体要 求， 搜集资料和数据。
由于信息时代的来临， 资料的获取方法和途径很多， 数据应 全 面 、完 整 和 可 靠 。 为 达 到 这 一 目 的 ， 特 选 用 英 国 官 方 网 站 ｈｔｔｐ： ／／ｗ ｗ ｗ ．ｈｓｅ．ｇｏｖ．ｕｋ 上的事故统计资料作为分析预测的实例。表 １ 即 为报告中的部分统计资料 （１９８１－２００４ 年英国工业雇员受伤人数 统 计 ）。
关键词： 电教手段 英语教学 应用
１ 电教手段是吸引学生注意力的磁石
教学的艺术， 在于教师对学生的激励和唤醒， 而恰当利用电 教手段， 为不同年龄的学生设置不同的教学情景， 将极大地吸引 学生的注意力， 激发学生的兴趣、爱好和热情。低年级小学生， 学 习 时 尤 其 需 要 色 彩 丰 富 、形 象 逼 真 的 媒 体 课 件 ， 使 小 学 生 觉 得 课 堂内容非常丰富、有趣。在教学过程中， 设计一个卡通形象来参与 教学， 当学生答对题时“， 小助手”会鼓掌祝贺， 答错了也会鼓励加 油。这种情景创设不但符合儿童的心理特征， 而且起到了积极的 评价作用。在中高年级教学中， 也必须注意创设最合适的教学情 景。如教学 ｔｈｉｓ 和 ｔｈａｔ时， 由于学生对这两个词用来表示一个物 体相对位置的远近， 缺乏抽象的想象力， 所以在导入“ 新知识”前， 首先播放了一段录像： 一个小女孩用“ Ｔｈｉｓ ｉｓ ａ…／Ｔｈａｔｉｓ ａ…”的 句 型向朋友介绍自己的房间， 镜头的移动把每个学生都带到知识的 场景， 并对在介绍远近距离后的事物应用“ ｔｈｉｓ 或 ｔｈａｔ”表示， 学生 很快就有了感知认识， 达到事半功倍的教学效果。
说得最多， 最正确。这种游戏式的学习完全是在轻松愉快的气氛 中进行的。
３ 电教手段是帮助学生突出重点， 突破难点的钥匙
在教学过程中， 教师能否合理的处理教材， 突出重点， 突破难 点至关重要， 这也是影响教学效果的重要因素， 而多媒体教学就 成为教师解决这类问题的有效手段。
此刻的重点是一般疑问句“ Ｉｓ ｔｈｉｓ ａ…？” 的 应 用， 难 点 是 对 “ Ｔｈｅ ｇａｍ ｅ ｉｓ ｏｖｅｒ ．”的 理 解 。 因 此 ， 在 操 练“ Ｉｓ ｔｈｉｓ ａ…？”这 个 句 型
人工神经网络卓越的非线性映射能力一是来自于网络中各 神经元的非线性传递函数；二是来自于各种神 经 元 之 间 的 连 接 权 分布。神经网络的连接权分布一般不能预先准确地确定， 而是通 过对学习实例的反复学习来逐渐调整和修改权值分布， 使神经网 络收敛于稳定状态， 从而完成学习过程。
目标
输入
神经网络（ 由大量神经元、相 互 连 接 的 权 值 和 阀 值 组 成）
时， 教师可以设计一个听声音说英语的课件， 显现十几扇门， 鼠标 点 击 不 同 的 门 就 会 听 到 不 同 的 声 音 ， 由 动 物 的 叫 声 、汽 车 的 喇 叭 声 、时 钟 的 滴 答 声 等 等 。 学 生 听 后 用“ Ｉｓ ｔｈｉｓ ａ…？”来 猜 听 到 的 声 音， 其他学生用肯定回答“ Ｙ ｅｓ，ｉｔｉｓ．”或否定回答“ Ｎ ｏ，ｉｔｉｓｎ＇ｔ．”
甘肃科技纵横
信息技术
２００６ 年（（ 第 ３５ 卷）） 第 ６ 期
基于 Ｍ Ａ Ｔ ＬＡ Ｂ 实现的 Ａ Ｎ Ｎ
方法在安全评价中的应用
陈文郁 （ 兰州交通大学 交通运输学院， 甘肃 兰州 ７３００７０）
摘 要 ： 本 文 采 用 Ｆｅｅｄ－ Ｆｏｒｗ ａｒｄ Ｂ ａｃｋＰｒｏｐ 改 进 的 前 馈 Ｂ Ｐ 神 经网络模型， 将该模型应用于事故的预测， 结果表明利用该方法 进行安全评价是可行的。
即采用梯度下降误差反向传图2采用trainbr函数时网络训练误差变化的曲线33神经网络的仿真在网络训练完成以后模型建立可用某一输下转163页基于matlab实现的ann方法在安全评价中的应用陈文郁兰州交通大学交通运输学院甘肃兰州730070目标比较神经网络由大量神经元相互连接的权值和阀值组成输入权值阀值调节2数据来源以及整理3神经网络的设计与分析102006年2006年第35卷第6期第35卷第6期甘肃科技纵横上接10页入矢量在训练好的网络中进行仿真
教师讲解辅以多媒体教学， 使整个过程图文并举， 声情并茂， 视听结合， 渲染了气氛， 创造出对话的情景， 表达了感情。学生在 轻 松 、愉 快 的 氛 围 中 学 到 了 知 识 ， 培 养 了 交 际 能 力 ， 又 强 化 了 记 忆。
教学实践证明， 英语课上教师恰当运用电教手段， 向学生展 示 具 体 、形 象 、生 性 并 茂 的 视 听 材 料 ， 形 式 多 角 度 、多 层 次 的 信 息 刺激， 学生顿时会精神百倍， 兴趣盎然， 劲头十足， 课堂气氛活跃， 利于培养学生的创新意识和探究意识。
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
（ 上接 １０ 页） 入矢量在训练好的网络中进行仿真。仿真的结果误 差为 ［－０．００７９０７４ －０．０３３９０７ ０．０１７０９３ ０．０１００９３ －０．０１２９０７］取 得 了较好的结果。
在用 ＢＰ 神经网络进行事故预测的建模过程中由于网络的 不同训练函数的不同， 并不是所有的神经网络都适合做事故预测 的模型， 在各种 ＢＰ 网络及其算法中， 贝叶斯正则化算法具有较 好 的 网 络 推 广 性 （ 在 Ｍ Ａ ＴＬＡ Ｂ 中 贝 叶 斯 正 则 化 方 法 是 通 过 Ｔｒａｉｎｂｒ 函 数 来 实 现 的 。 它 依 据 Ｌｅｖｅｎｂｅｒｇ－Ｍ ａｒｑｕａｒｄｔ优 化 理 论 对 网络的权值和阈值进行调整） ， 预测的结果精度较高。
将连续五年的数据作为输入， 第六年的数据作为输出即将表 １ 的数据整理以后作为学习样本， 为了便于网络训练需要对数据 进行归一化处理根据公式
ｘ ＇ｋ＝（ｘｋ－ｘｍｉｎ） （ｘｍａｘ－ｘｍｉｎ） 可将数据“ 归一化”， 即限定在［０，１］区间内。
由于输入的数据较多， 采用预先在 Ｍ Ａ ＴＬＡ Ｂ 工作空间生成 上述输入矢量和目标矢量， 采用 Ｇ Ｕ Ｉ 界面中的 ｉｍ ｐｏｒｔ导入。关于 网 络 具 体 参 数 的 设 定 有 网 络 类 型 ： Ｆｅｅｄ－ｆｏｒｗ ａｒｄ ｂａｃｋｐｒｏｐ 训 练 函 数 ： ＴＲ Ａ ＩＮ Ｂ Ｒ 权 值 调 节 规 则 ： ＴＲ Ａ ＩＮ Ｇ Ｄ Ｍ 性 能 函 数 ： Ｍ ＳＥ 网 络 层 数 ： ２ 各 层 神 经 元 数 目 ： １５ 各 层 传 递 函 数 类 型 ： ＴＡ Ｎ ＳＩＧ 按 照 设 置 神经网络创建完成， 网络的权值和阀值数据已经进行了初始化， 同 时 初 始 化 的 网 络 权 值 和 阀 值 的 数 据 可 以 在 Ｗ ｅｉｇｈｔｓ 项 里 面 进 行修改， 下面开始 ＴｒａｉｎＮ ｅｔｗ ｏｒｋ 有关误差变化曲线如下图。
进行判断。最后， 再用鼠标点击门， 门会打开， 显示正确答案。 游戏结束时， 再次强调“ Ｔｈｅ ｇａｍ ｅ ｉｓ ｏｖｅｒ．”以加深印象。
这个环节穿插在教学过程中， 不仅突出了重点， 而且教学难 点也迎刃而解， 学生对句型“ Ｉｓ ｔｈｉｓ ａ…？”应用自如， 同时对 ｏｖｅｒ 的 理解又进一步加深， 他们的英语交际能力得以增强。这样， 重点、 难点不仅易于突出， 更易于突破。
关键词： 安全评价 神经网络 预测 学习样本
表 １ 英国工业雇员的受伤人数统计
本文将应用神经网络的原理方法， 建立三层 ＢＰ 网络模型， 并对英国工业雇员受伤人数的趋势进行预测。
１ 人工神经网络概述
人工神经网络（Ａ Ｎ Ｎ ，ａｒｔｉｆｉｃｉａｌＮ ｅｕｒａｌＮ ｅｔｗ ｏｒｋ）是由大量神经元 节点互连而成的复杂网络， 是反映人脑结构及功能的一种抽象数 学模型。从本质上讲， 人工神经网络的学习是一种归纳学习方式， 它通过对大量实例的反复学习， 由内部自适应过程不断修改各神 经元之间互连的权值， 最终使神经网络的权值分布收敛于一个稳 定 的 范 围 。神 经 网 络 的 互 连 结 构 及 各 连 接 权 值 稳 定 分 布 就 表 示 了 经 过 学 习 获 得 的 知 识 。一 个 己 建 立 的 人 工 神 经 网 络 可 用 于 相 关 问 题的求解， 对于特定的输入模式， 神经网络通过前向计算可得出 一个输出模式， 从而得到输入模式的一个特定解。
２ 电教手段是培养学生创新能力的指南
从发展的求异思维入手， 培养和训练学生敏锐的洞察力和迅 捷的判定力， 鼓励学生大胆质疑、标新立异， 具有多项展示的思维 方式， 沿着不同的方向去思考， 以求获得尽可能多地解决问题的 方式方法， 从而培养学生的创新能力。要培养创新必须给学生提 供大量的学习材料。而电教手段恰好具备大量的学习材料， 有利 于 培 养 学 生 通 过 信 息 获 取 、信 息 处 理 、信 息 表 达 发 现 问 题 、解 决 问 题。在这种过程中， 不仅有助于学生构建知识的意义， 提高认识水 平， 更能激发创新意识， 发掘其创造的潜能。例如： 我在复习 Ｗ ｈａｔ＇ｓ ｉｎ ｔｈｅ ｃｌａｓｓｒｏｏｍ ？要求学生根据图片上的物品进行自由的搭 配， 并用方位介词 ｉｎ、ｏｎ、ｎｅａｒ 进行介绍， 在鼠标的点击下， 学生说 正确的物品和物品的方位将逐一消失， 最后可以比一比四大组谁
４ 电教手段是培养学生交际能力的港船
对于小学生来说， 一堂 ４０ 分钟的课， 确实很难始终如一高度 集中注意力， 尤其在课临近结束时， 特别容易分散注意力， 降低课 堂效率。因此， 在一节课进入尾声时， 教师可以展示几幅对话场 景， 让学生自由对话， 然后看着动画， 随着画面的变化给动画配 音， 使他们在轻松活泼的氛围中进行交际性练习， 培养他们仔细 观察事物， 善于用英语思维和表达的好习惯。
网络的泛化推广能力是衡量神经网络性能好坏的重要标志。 一 个“ 过 度 训 练 ”（Ｏ ｖｅｒｆｉｔｔｉｎｇ）的 神 经 网 络 可 能 会 对 训 练 样 本 集 达 到较高的匹配效果， 但对于一个新的输入样本矢量却可能会产生 与目标矢量差别较大的输出， 即神经网络不具有或具有较差的推 广 能 力 。在 正 则 化 方 法 中 通 过 修 正 神 经 网 络 的 训 练 性 能 函 数 来 提 高其推广能力。通过采用新的性能指标函数， 可以在保证网络训 练误差尽可能小的情况下使网络具有较小的权值， 即使得网络的 有效权值尽可能少， 这实际上相当于自动缩小了网络的规模。下 面选用 Ｔｒａｉｎｂｒ 训练函数进行训练。 ３．２ 网络设计过程
摘要： 近年来， 随着现代教育技术的推广应用， 电教手段以其 图像直观、色彩鲜艳、音响逼真、动静结合、形象生动的特点 ， 博得 了广大师生的青睐， 与换灯录音相比， 教学效果不同凡响， 成为深 化教育教学改革的一道亮丽的风景线， 在课堂教学中， 巧用电教 手段， 使常规课堂教学如虎添翼， 创造出生动、充满趣味的课堂气 氛和学习效果。
比较
３ 神经网络的设计与分析
３．１ 训练函数的选择 ＢＰ 学习算法的理论依据清晰， 即采用梯度下降误差反向传
播。为提高 Ｂ Ｐ 学习算法的收敛速度， Ｍ ａｔｌａｂ 中设计有各种优化算 法。主要有基于 Ｌ－Ｍ 理论的 ｔｒａｉｎｌｍ 函数、自适应学习速率梯度下 降反向传播的 ｔｒａｉｎｄａ 函 数 、动 量 梯 度 下 降 法 的 ｔｒａｉｎｄｍ 函 数 以 及 提高网络泛化推广能力的贝叶斯正则化算法 ｔｒ数时网络训练误差变化的曲线 ３．３ 神经网络的仿真
在 网 络 训 练 完 成 以 后 ， 模 型 建 立 ， 可 用 某 一 输（ 下 转 １６３ 页）
２００６ 年（ 第 ３５ 卷） 第 ６ 期
文化教育
甘肃科技纵横
浅谈电教手段在英语教学中的运用
魏淑芳
（ 甘肃省会宁县北关小学， 甘肃 会宁 ７３０７００）
权值 ／阀值调节
图 １ 有监督学习原理图
２ 数据来源以及整理
在确定了预测的目的之后， 数据的搜集和整理是预测的另一 个重要步骤。资料是进行预测的依据， 应根据预测目标的具体要 求， 搜集资料和数据。
由于信息时代的来临， 资料的获取方法和途径很多， 数据应 全 面 、完 整 和 可 靠 。 为 达 到 这 一 目 的 ， 特 选 用 英 国 官 方 网 站 ｈｔｔｐ： ／／ｗ ｗ ｗ ．ｈｓｅ．ｇｏｖ．ｕｋ 上的事故统计资料作为分析预测的实例。表 １ 即 为报告中的部分统计资料 （１９８１－２００４ 年英国工业雇员受伤人数 统 计 ）。
关键词： 电教手段 英语教学 应用
１ 电教手段是吸引学生注意力的磁石
教学的艺术， 在于教师对学生的激励和唤醒， 而恰当利用电 教手段， 为不同年龄的学生设置不同的教学情景， 将极大地吸引 学生的注意力， 激发学生的兴趣、爱好和热情。低年级小学生， 学 习 时 尤 其 需 要 色 彩 丰 富 、形 象 逼 真 的 媒 体 课 件 ， 使 小 学 生 觉 得 课 堂内容非常丰富、有趣。在教学过程中， 设计一个卡通形象来参与 教学， 当学生答对题时“， 小助手”会鼓掌祝贺， 答错了也会鼓励加 油。这种情景创设不但符合儿童的心理特征， 而且起到了积极的 评价作用。在中高年级教学中， 也必须注意创设最合适的教学情 景。如教学 ｔｈｉｓ 和 ｔｈａｔ时， 由于学生对这两个词用来表示一个物 体相对位置的远近， 缺乏抽象的想象力， 所以在导入“ 新知识”前， 首先播放了一段录像： 一个小女孩用“ Ｔｈｉｓ ｉｓ ａ…／Ｔｈａｔｉｓ ａ…”的 句 型向朋友介绍自己的房间， 镜头的移动把每个学生都带到知识的 场景， 并对在介绍远近距离后的事物应用“ ｔｈｉｓ 或 ｔｈａｔ”表示， 学生 很快就有了感知认识， 达到事半功倍的教学效果。
说得最多， 最正确。这种游戏式的学习完全是在轻松愉快的气氛 中进行的。
３ 电教手段是帮助学生突出重点， 突破难点的钥匙
在教学过程中， 教师能否合理的处理教材， 突出重点， 突破难 点至关重要， 这也是影响教学效果的重要因素， 而多媒体教学就 成为教师解决这类问题的有效手段。
此刻的重点是一般疑问句“ Ｉｓ ｔｈｉｓ ａ…？” 的 应 用， 难 点 是 对 “ Ｔｈｅ ｇａｍ ｅ ｉｓ ｏｖｅｒ ．”的 理 解 。 因 此 ， 在 操 练“ Ｉｓ ｔｈｉｓ ａ…？”这 个 句 型
人工神经网络卓越的非线性映射能力一是来自于网络中各 神经元的非线性传递函数；二是来自于各种神 经 元 之 间 的 连 接 权 分布。神经网络的连接权分布一般不能预先准确地确定， 而是通 过对学习实例的反复学习来逐渐调整和修改权值分布， 使神经网 络收敛于稳定状态， 从而完成学习过程。
目标
输入
神经网络（ 由大量神经元、相 互 连 接 的 权 值 和 阀 值 组 成）
时， 教师可以设计一个听声音说英语的课件， 显现十几扇门， 鼠标 点 击 不 同 的 门 就 会 听 到 不 同 的 声 音 ， 由 动 物 的 叫 声 、汽 车 的 喇 叭 声 、时 钟 的 滴 答 声 等 等 。 学 生 听 后 用“ Ｉｓ ｔｈｉｓ ａ…？”来 猜 听 到 的 声 音， 其他学生用肯定回答“ Ｙ ｅｓ，ｉｔｉｓ．”或否定回答“ Ｎ ｏ，ｉｔｉｓｎ＇ｔ．”
甘肃科技纵横
信息技术
２００６ 年（（ 第 ３５ 卷）） 第 ６ 期
基于 Ｍ Ａ Ｔ ＬＡ Ｂ 实现的 Ａ Ｎ Ｎ
方法在安全评价中的应用
陈文郁 （ 兰州交通大学 交通运输学院， 甘肃 兰州 ７３００７０）
摘 要 ： 本 文 采 用 Ｆｅｅｄ－ Ｆｏｒｗ ａｒｄ Ｂ ａｃｋＰｒｏｐ 改 进 的 前 馈 Ｂ Ｐ 神 经网络模型， 将该模型应用于事故的预测， 结果表明利用该方法 进行安全评价是可行的。
即采用梯度下降误差反向传图2采用trainbr函数时网络训练误差变化的曲线33神经网络的仿真在网络训练完成以后模型建立可用某一输下转163页基于matlab实现的ann方法在安全评价中的应用陈文郁兰州交通大学交通运输学院甘肃兰州730070目标比较神经网络由大量神经元相互连接的权值和阀值组成输入权值阀值调节2数据来源以及整理3神经网络的设计与分析102006年2006年第35卷第6期第35卷第6期甘肃科技纵横上接10页入矢量在训练好的网络中进行仿真
教师讲解辅以多媒体教学， 使整个过程图文并举， 声情并茂， 视听结合， 渲染了气氛， 创造出对话的情景， 表达了感情。学生在 轻 松 、愉 快 的 氛 围 中 学 到 了 知 识 ， 培 养 了 交 际 能 力 ， 又 强 化 了 记 忆。
教学实践证明， 英语课上教师恰当运用电教手段， 向学生展 示 具 体 、形 象 、生 性 并 茂 的 视 听 材 料 ， 形 式 多 角 度 、多 层 次 的 信 息 刺激， 学生顿时会精神百倍， 兴趣盎然， 劲头十足， 课堂气氛活跃， 利于培养学生的创新意识和探究意识。
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
（ 上接 １０ 页） 入矢量在训练好的网络中进行仿真。仿真的结果误 差为 ［－０．００７９０７４ －０．０３３９０７ ０．０１７０９３ ０．０１００９３ －０．０１２９０７］取 得 了较好的结果。
在用 ＢＰ 神经网络进行事故预测的建模过程中由于网络的 不同训练函数的不同， 并不是所有的神经网络都适合做事故预测 的模型， 在各种 ＢＰ 网络及其算法中， 贝叶斯正则化算法具有较 好 的 网 络 推 广 性 （ 在 Ｍ Ａ ＴＬＡ Ｂ 中 贝 叶 斯 正 则 化 方 法 是 通 过 Ｔｒａｉｎｂｒ 函 数 来 实 现 的 。 它 依 据 Ｌｅｖｅｎｂｅｒｇ－Ｍ ａｒｑｕａｒｄｔ优 化 理 论 对 网络的权值和阈值进行调整） ， 预测的结果精度较高。
将连续五年的数据作为输入， 第六年的数据作为输出即将表 １ 的数据整理以后作为学习样本， 为了便于网络训练需要对数据 进行归一化处理根据公式
ｘ ＇ｋ＝（ｘｋ－ｘｍｉｎ） （ｘｍａｘ－ｘｍｉｎ） 可将数据“ 归一化”， 即限定在［０，１］区间内。
由于输入的数据较多， 采用预先在 Ｍ Ａ ＴＬＡ Ｂ 工作空间生成 上述输入矢量和目标矢量， 采用 Ｇ Ｕ Ｉ 界面中的 ｉｍ ｐｏｒｔ导入。关于 网 络 具 体 参 数 的 设 定 有 网 络 类 型 ： Ｆｅｅｄ－ｆｏｒｗ ａｒｄ ｂａｃｋｐｒｏｐ 训 练 函 数 ： ＴＲ Ａ ＩＮ Ｂ Ｒ 权 值 调 节 规 则 ： ＴＲ Ａ ＩＮ Ｇ Ｄ Ｍ 性 能 函 数 ： Ｍ ＳＥ 网 络 层 数 ： ２ 各 层 神 经 元 数 目 ： １５ 各 层 传 递 函 数 类 型 ： ＴＡ Ｎ ＳＩＧ 按 照 设 置 神经网络创建完成， 网络的权值和阀值数据已经进行了初始化， 同 时 初 始 化 的 网 络 权 值 和 阀 值 的 数 据 可 以 在 Ｗ ｅｉｇｈｔｓ 项 里 面 进 行修改， 下面开始 ＴｒａｉｎＮ ｅｔｗ ｏｒｋ 有关误差变化曲线如下图。
进行判断。最后， 再用鼠标点击门， 门会打开， 显示正确答案。 游戏结束时， 再次强调“ Ｔｈｅ ｇａｍ ｅ ｉｓ ｏｖｅｒ．”以加深印象。
这个环节穿插在教学过程中， 不仅突出了重点， 而且教学难 点也迎刃而解， 学生对句型“ Ｉｓ ｔｈｉｓ ａ…？”应用自如， 同时对 ｏｖｅｒ 的 理解又进一步加深， 他们的英语交际能力得以增强。这样， 重点、 难点不仅易于突出， 更易于突破。
关键词： 安全评价 神经网络 预测 学习样本
表 １ 英国工业雇员的受伤人数统计
本文将应用神经网络的原理方法， 建立三层 ＢＰ 网络模型， 并对英国工业雇员受伤人数的趋势进行预测。
１ 人工神经网络概述
人工神经网络（Ａ Ｎ Ｎ ，ａｒｔｉｆｉｃｉａｌＮ ｅｕｒａｌＮ ｅｔｗ ｏｒｋ）是由大量神经元 节点互连而成的复杂网络， 是反映人脑结构及功能的一种抽象数 学模型。从本质上讲， 人工神经网络的学习是一种归纳学习方式， 它通过对大量实例的反复学习， 由内部自适应过程不断修改各神 经元之间互连的权值， 最终使神经网络的权值分布收敛于一个稳 定 的 范 围 。神 经 网 络 的 互 连 结 构 及 各 连 接 权 值 稳 定 分 布 就 表 示 了 经 过 学 习 获 得 的 知 识 。一 个 己 建 立 的 人 工 神 经 网 络 可 用 于 相 关 问 题的求解， 对于特定的输入模式， 神经网络通过前向计算可得出 一个输出模式， 从而得到输入模式的一个特定解。
２ 电教手段是培养学生创新能力的指南
从发展的求异思维入手， 培养和训练学生敏锐的洞察力和迅 捷的判定力， 鼓励学生大胆质疑、标新立异， 具有多项展示的思维 方式， 沿着不同的方向去思考， 以求获得尽可能多地解决问题的 方式方法， 从而培养学生的创新能力。要培养创新必须给学生提 供大量的学习材料。而电教手段恰好具备大量的学习材料， 有利 于 培 养 学 生 通 过 信 息 获 取 、信 息 处 理 、信 息 表 达 发 现 问 题 、解 决 问 题。在这种过程中， 不仅有助于学生构建知识的意义， 提高认识水 平， 更能激发创新意识， 发掘其创造的潜能。例如： 我在复习 Ｗ ｈａｔ＇ｓ ｉｎ ｔｈｅ ｃｌａｓｓｒｏｏｍ ？要求学生根据图片上的物品进行自由的搭 配， 并用方位介词 ｉｎ、ｏｎ、ｎｅａｒ 进行介绍， 在鼠标的点击下， 学生说 正确的物品和物品的方位将逐一消失， 最后可以比一比四大组谁