[发明专利]一种计算机应用神经网络预测方法及系统

摘要

本发明属于网络预测技术领域，公开了一种计算机应用神经网络预测方法及系统，所述计算机应用神经网络预测系统包括：数据接收模块、建模模块、跟踪模块、分层模块、神经网络学习模块、网络健康评价模块。本发明通过神经网络学习模块提出了采用倒数法使对分母中变量的偏导求解变成普通变量的偏导求解的方法，减少了系统的运算量，从而提高了系统的效率；最后利用训练好的模糊神经网络对测试数据进行识别预测，与传统模糊神经网络相比识别率有显著提高；同时通过网络健康评价模块能够及时将指标更新及健康状况评价结果专家意见反馈引入到评价方法中，进行自我修正；评价结果准确。

主权项

1.一种计算机应用神经网络预测方法，其特征在于，所述计算机应用神经网络预测方法包括以下步骤：步骤一，采用效率模型的数据接收模块接收计算机应用数据；所述效率模型为：时间tn中处理数据包数：tn＝TF‑TB；其中，TB为数据包分析处理前系统时间；TE为数据包分析处理后系统时间；tn表示处理第n个数据包的时间；数据处理效率V，接收数据D；步骤二，通过建模模块采用模糊数学神经网络的方法建模；步骤三，预估数据的处理速度，通过跟踪模块对建模的数据进行跟踪；所述数据的处理速度C点在X轴、Y轴和Z轴的数据速度大小分别为vcx、vcy、vcz则：vcx＝vupcx+vecxvcy＝vupcy+vecyvcz＝vupcz+vecz；由B及其前两个点的数据信息可以得到B点在3个维度上的速度大小分别为vbx、vby、vbz；另外B、C数据点的时刻已知，可分别设为tb、tc，则C点在3个维度上的加速度大小acx、acy、acz为：步骤四，通过分层模块对跟踪的数据进行模糊神经网络分层；步骤五，通过神经网络学习模块根据对所建立的模糊神经网络的训练，得到包含权值的网络分类器，训练过程中学习率采用随着训练过程的梯度变化而变化；步骤六，通过网络健康评价模块对构建的网络健康状况进行评价。