基于BP神经网络的深层感知器预测模型

• 作者: 周晓辉 陈通
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 数据挖掘 财政收入预测 深度学习 深层感知器
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法与分析
• 页码范围: 2978-2981,3009
• 页数: 5页
• 分类号: TP393|F812.41
• 字数: 3647字
• 语种: 中文
• DOI: 10. 3969/j. issn. 1672-9722. 2019. 12. 008

摘要

众所周知,地方财政收入是国家的重要组成部分.科学合理地预测地方财政收入,能有效克服预算收支规模的随意性和盲目性.在大数据的浪潮中,善于利用数据进行财政收入的预测与分析,将大量繁琐零碎的数据转换成有用的决策信息具有非常重要意义.目前,财政收入组合预测模型大都采用的都是三层神经网络结构;文章结合当前财政收入组合预测方法和深层学习思想,提出了一种基于BP神经网络的深层神经网络预测模型.它是四层神经网络结构,并以西安的财政收入数据为样本,与传统的BP神经网络预测模型进行比较,证明该模型具有学习精度高、收敛速度快、预测精度高等优点,具有广泛的应用性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周晓辉	西安邮电大学计算机学院	29	95	5.0	8.0
2	陈通	西安邮电大学计算机学院	1	0	0.0	0.0