基于 Sigmoid 激活函数的人工神经网络 (ANN) 系统设计与开发用于预测泰米尔纳德邦年度水稻产量
神经与进化计算
2013-03-11 v1
摘要
预测泰米尔纳德邦全部 31 个地区的年度水稻产量是该邦政府的一项重要决策。水稻生产是一个复杂过程和非线性问题，涉及土壤、作物、天气、害虫、病害、资金、劳动力和管理参数。本文设计并开发了带有前馈反向传播 (FFBP) 网络的人工神经网络 (ANN) 软件以预测水稻产量。输入层包含六个自变量，如种植面积以及 Kuruvai、Samba 和 Kodai 三个季节的水稻产量。采用流行的 Sigmoid 激活函数将输入数据转换为 Sigmoid 值。隐藏层计算六个 Sigmoid 值与六组权重的总和。最终输出使用 Sigmoid 传递函数转换为 Sigmoid 值。ANN 输出即为预测结果。计算了原始数据与 ANN 输出值之间的误差。使用的阈值来测试误差是否大于阈值水平。如果误差大于阈值，则通过反向传播更新所有求和的权重。此过程重复进行直到误差等于零。打印出预测结果，发现其与期望值完全匹配。这表明 ANN 预测准确率为 100%。
引用
@article{arxiv.1303.1913,
title = {Design and Development of Artificial Neural Networking (ANN) system using sigmoid activation function to predict annual rice production in Tamilnadu},
author = {S. Arun Balaji and K. Baskaran},
journal= {arXiv preprint arXiv:1303.1913},
year = {2013}
}
备注
19 pages, 7 figures, published in the International Journal of Computer Science, Engineering and Information Technology (IJCSEIT), Vol.3, No.1, February 2013