论文部分内容阅读
摘 要：精确采购，尽可能地降低库存成本是大多数企业一直追求的目标之一。然而准时采购受到库存量、采购处理等众多因素影响，这些因素之间彼此影响，因此对采购提前期的预测很难给出一个精确的数学模型。人工神经网络具有很强的非线性映射能力，可以很大程度地解决非线性预测问题。提出了一种权值直接确定神经网络的采购提前期模型，仿真效果达到预期水平。
关键词：采购提前期；神经网络；权值直接确定
中图分类号：TP183 文献识别码：A
1 采购提前期模型
企业经营活动所需要的物资绝大部分都是通过采购商采购获得的。采购是企业物流管理工作的起点。准时采购也叫JIT（Just In Time）采购法，是一种先进的采购模式。该采购模式中，采购活动以订单驱动方式进行。
采购提前期一般由采购申请提前处理时间、采购处理提前时间和采购后处理时间等构成。采购申请提前处理时间过程包括确定货物需求量、选择供应商、价格谈判、签订订单、合同审批等过程。采购处理提前时间是指供应商签订订单发货到约定地点的时间，包括制造、运输的时间。采购后处理提前时间指接收货物、验收、到入库的时间。
采购提前期时间T包括采购申请处理时间t1，采购处理时间t2和采购后处理时间t3。因此T=t1+t2+t3。马铮在分析了公司市场环境的基础上，提出了影响采购提前期的因素为：需求量x1，现有库存水平x2，生产力使用情况x3，工人生产效率x4，加工精度x5，运输方式x6，天气情况x7，路况距离x8，物资入库速度x9等因素。
2 采购提前期的神经网络模型设计
BP神经网络是一种层内无互联结构的前向型神经网络，一般为三层结构。第一层称为输入层，最后一层称为输出层，中间层称为隐含层。特殊情况下，隐含层也可以包含多个层次。根据柯尔莫哥洛夫定理，一个三层的神经网络可以逼近任意的一个函数。所以一般只用三层网络结构。过多的隐含层会影响网络的收敛速度，会出现“过拟合”现象。
BP神经网络采用有指导的学习方式训练和学习：给定一组样本（（x1，d1），（x2，d2），…，（xp，dp）），其中X为样本输入，d为给定输入下期望的样本输出，P为样本的个数。神经网络通过改变各神经元的连接值达到在给定的输入X下神经网络的输出yp与相应输入下样本的输出dp尽可能的接近。
BP神经网络具有很强的非线性映射能力，但是也存在着诸如收敛速度慢，存在局部极小点而无法收敛到最优解，隐含层层数及节点数的选取仅靠经验而無确定的公式，学习新样本而遗忘旧样本的趋势等缺点。本文基于伪逆的思想构造一种权值直接确定的神经网络。
2.1 理论基础
为了方便该网络在硬件上实现，所有的神经元的阈值都设为0。图1给出的U系统神经网络结构模型，隐含层神经元个数为n，隐含层与输出层之间的权值记为？棕jk，则样本与输出之间的关系可表示为y=？棕1？准1（x）+？棕2？准2（x）+…+？棕n？准n（x）。
其网络结构图见图1。
上述基于U系统构成的神经网络可视为BP神经网络的一种特例，其权值确定可采用传统的迭代法。
2.2 权值迭代法
3 算例实现
本文采用一汽丰田公司的特约零件供应商——天津客车桥公司提供的数据进行仿真。数据如表1：
在Windows7平台，使用MATLAB2014A软件，对上述数据进行仿真。利用前15组数据为训练样本，后5组数据为测试样本，结果如下：
4 结束语
准时采购受到库存量、采购处理等众多因素影响，这些因素之间彼此影响，因此对采购提前期的预测很难给出一个精确的数学模型。BP神经网络虽具有很强的非线性映射能力，但是也存在着诸如收敛速度慢，存在局部极小点而无法收敛到最优解，隐含层层数及节点数的选取仅靠经验选取而无确定的公式，学习新样本而遗忘旧样本的趋势等缺点。本文提出了一种基于U系统的权值直接确定神经网络的采购提前期模型，仿真效果达到预期水平。
参考文献：
[1] 刘雪.一类新的完备正交系及其在图形图像处理中的应用[D].北京：北方工业大学，2007.
[2] 殷奎喜，岸政七，许根稳.平滑化的正交型Walsh函数的构造及在广带域扩谱通讯中的应用.东南大学学报，1999，29（6）：20～26.
[3] 张雨浓，郭东生，谭宁.幂激励前向神经网络最优结构确定算法[J].计算机工程与应用，2011，47（2）：29-31.
[4] 张雨浓，劳稳超，余晓填等.两输入幂激励前向神经网络权值与结构确定[J].计算机工程与应用，2012，48（15）：102-106.
[5] 杨文光.权值直接确定的三角型模糊前向神经网络[J].中山大学学报：自然科学版，2013，52（2）：33-37.
基金项目：天津职业大学培育项目“前向型神经网络权值和结构的确定方法研究”（编号：20122108）阶段性成果；天津市教育科学学会“十二五”课题：高职教育中教学过程公平模式的实践研究（编号：JK1250149B）阶段性成果
作者简介：李国辉（1977.10-），男，汉族，天津蓟县人，硕士，讲师，主要研究方向：统计理论与应用。
关键词：采购提前期；神经网络；权值直接确定
中图分类号：TP183 文献识别码：A
1 采购提前期模型
企业经营活动所需要的物资绝大部分都是通过采购商采购获得的。采购是企业物流管理工作的起点。准时采购也叫JIT（Just In Time）采购法，是一种先进的采购模式。该采购模式中，采购活动以订单驱动方式进行。
采购提前期一般由采购申请提前处理时间、采购处理提前时间和采购后处理时间等构成。采购申请提前处理时间过程包括确定货物需求量、选择供应商、价格谈判、签订订单、合同审批等过程。采购处理提前时间是指供应商签订订单发货到约定地点的时间，包括制造、运输的时间。采购后处理提前时间指接收货物、验收、到入库的时间。
采购提前期时间T包括采购申请处理时间t1，采购处理时间t2和采购后处理时间t3。因此T=t1+t2+t3。马铮在分析了公司市场环境的基础上，提出了影响采购提前期的因素为：需求量x1，现有库存水平x2，生产力使用情况x3，工人生产效率x4，加工精度x5，运输方式x6，天气情况x7，路况距离x8，物资入库速度x9等因素。
2 采购提前期的神经网络模型设计
BP神经网络是一种层内无互联结构的前向型神经网络，一般为三层结构。第一层称为输入层，最后一层称为输出层，中间层称为隐含层。特殊情况下，隐含层也可以包含多个层次。根据柯尔莫哥洛夫定理，一个三层的神经网络可以逼近任意的一个函数。所以一般只用三层网络结构。过多的隐含层会影响网络的收敛速度，会出现“过拟合”现象。
BP神经网络采用有指导的学习方式训练和学习：给定一组样本（（x1，d1），（x2，d2），…，（xp，dp）），其中X为样本输入，d为给定输入下期望的样本输出，P为样本的个数。神经网络通过改变各神经元的连接值达到在给定的输入X下神经网络的输出yp与相应输入下样本的输出dp尽可能的接近。
BP神经网络具有很强的非线性映射能力，但是也存在着诸如收敛速度慢，存在局部极小点而无法收敛到最优解，隐含层层数及节点数的选取仅靠经验而無确定的公式，学习新样本而遗忘旧样本的趋势等缺点。本文基于伪逆的思想构造一种权值直接确定的神经网络。
2.1 理论基础
为了方便该网络在硬件上实现，所有的神经元的阈值都设为0。图1给出的U系统神经网络结构模型，隐含层神经元个数为n，隐含层与输出层之间的权值记为？棕jk，则样本与输出之间的关系可表示为y=？棕1？准1（x）+？棕2？准2（x）+…+？棕n？准n（x）。
其网络结构图见图1。
上述基于U系统构成的神经网络可视为BP神经网络的一种特例，其权值确定可采用传统的迭代法。
2.2 权值迭代法
3 算例实现
本文采用一汽丰田公司的特约零件供应商——天津客车桥公司提供的数据进行仿真。数据如表1：
在Windows7平台，使用MATLAB2014A软件，对上述数据进行仿真。利用前15组数据为训练样本，后5组数据为测试样本，结果如下：
4 结束语
准时采购受到库存量、采购处理等众多因素影响，这些因素之间彼此影响，因此对采购提前期的预测很难给出一个精确的数学模型。BP神经网络虽具有很强的非线性映射能力，但是也存在着诸如收敛速度慢，存在局部极小点而无法收敛到最优解，隐含层层数及节点数的选取仅靠经验选取而无确定的公式，学习新样本而遗忘旧样本的趋势等缺点。本文提出了一种基于U系统的权值直接确定神经网络的采购提前期模型，仿真效果达到预期水平。
参考文献：
[1] 刘雪.一类新的完备正交系及其在图形图像处理中的应用[D].北京：北方工业大学，2007.
[2] 殷奎喜，岸政七，许根稳.平滑化的正交型Walsh函数的构造及在广带域扩谱通讯中的应用.东南大学学报，1999，29（6）：20～26.
[3] 张雨浓，郭东生，谭宁.幂激励前向神经网络最优结构确定算法[J].计算机工程与应用，2011，47（2）：29-31.
[4] 张雨浓，劳稳超，余晓填等.两输入幂激励前向神经网络权值与结构确定[J].计算机工程与应用，2012，48（15）：102-106.
[5] 杨文光.权值直接确定的三角型模糊前向神经网络[J].中山大学学报：自然科学版，2013，52（2）：33-37.
基金项目：天津职业大学培育项目“前向型神经网络权值和结构的确定方法研究”（编号：20122108）阶段性成果；天津市教育科学学会“十二五”课题：高职教育中教学过程公平模式的实践研究（编号：JK1250149B）阶段性成果
作者简介：李国辉（1977.10-），男，汉族，天津蓟县人，硕士，讲师，主要研究方向：统计理论与应用。