摘 要 現(xiàn)代信息化時(shí)代，企業(yè)光靠人為管理是不夠的，專業(yè)化、規(guī)范化的辦公管理軟件可以助我們達(dá)到事半功倍的效果。簡(jiǎn)單來(lái)說(shuō)，管理軟件就是用來(lái)解決管理問(wèn)題的軟件系統(tǒng)，管理軟件是一個(gè)EXCEL的小插件工具，利用神經(jīng)網(wǎng)絡(luò)這個(gè)工具可以幫助用戶解決諸多管理問(wèn)題，尤其是那些長(zhǎng)期難以解決的管理難題。

關(guān)鍵詞 管理軟件 人工神經(jīng)網(wǎng)絡(luò)算法

一、對(duì)管理軟件的認(rèn)識(shí)

管理軟件的直接用途就是讓用戶的管理要求能夠得到實(shí)際落地的貫徹執(zhí)行，從根本上講這個(gè)過(guò)程是通過(guò)管理信息化實(shí)現(xiàn)的，而管理軟件的核心工具就是管理信息化。

基于模塊角度來(lái)劃分，可以將企業(yè)管理軟件劃分為資產(chǎn)管理、設(shè)備管理、成本管理、進(jìn)銷存管理、供應(yīng)鏈管理、行政辦公管理、客戶關(guān)系管理、知識(shí)管理、財(cái)務(wù)管理、人力資源管理等多項(xiàng)分支。

二、神經(jīng)網(wǎng)絡(luò)算法的理解

通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)算法領(lǐng)域的研究，可以將基本學(xué)習(xí)方法劃分為無(wú)教師學(xué)習(xí)方法與有教師學(xué)習(xí)方法兩種：

第一，無(wú)教師學(xué)習(xí)方法。主要是將實(shí)例模式輸入到神經(jīng)網(wǎng)絡(luò)后，根據(jù)事先設(shè)定的規(guī)則對(duì)權(quán)值進(jìn)行調(diào)整。

第二，有教師學(xué)習(xí)方法。首先是輸入實(shí)例K，根據(jù)權(quán)值分布W（K）來(lái)對(duì)輸出Y（W，K）與實(shí)例K的期望輸出Y*（K）對(duì)比，在此基礎(chǔ)上對(duì)網(wǎng)絡(luò)的權(quán)值分布進(jìn)行調(diào)整，進(jìn)而達(dá)到函數(shù)值差最小的目標(biāo)。

（一）神經(jīng)網(wǎng)絡(luò)的專家算法

基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示方法所擁有的優(yōu)點(diǎn)包含以下幾個(gè)：

第一，易于實(shí)現(xiàn)知識(shí)的自動(dòng)獲取。

第二，易于網(wǎng)絡(luò)的知識(shí)推理。

第三，易于知識(shí)的組合。

第四，可以對(duì)食物的復(fù)雜關(guān)系進(jìn)行表示。

（二）神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)與一般專家系統(tǒng)的不同

相對(duì)于一般專家系統(tǒng)來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)差別較大，具體包含以下幾點(diǎn)：

第一，神經(jīng)元知識(shí)庫(kù)可以執(zhí)行并行處理，并且采用的是分布式存儲(chǔ)。

第二，神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)算法相對(duì)成熟。

第三，具有較好的容錯(cuò)性。

基于神經(jīng)元的信息處理過(guò)程形成了推立機(jī)。

三、以城鎮(zhèn)居民生活質(zhì)量水平指標(biāo)評(píng)價(jià)模型的建立為例

（一）基于模糊綜合評(píng)價(jià)法計(jì)算的城鎮(zhèn)居民生活質(zhì)量水平指標(biāo)值：

首先對(duì)下述表格中的8個(gè)指標(biāo)賦權(quán)重值，本文采用的權(quán)重值為近似的公認(rèn)的城鎮(zhèn)居民生活質(zhì)量水平很高的城鎮(zhèn)居民平均消費(fèi)結(jié)構(gòu)數(shù)據(jù)。如表1：

為了使所求綜合隸屬度值更具合理性、可比性和實(shí)用性，我們假設(shè)了兩種極端情況下的地區(qū)城鎮(zhèn)居民生活水平狀況，即最低值和短期內(nèi)不會(huì)實(shí)現(xiàn)的較高值。如地區(qū)1的所有因素指標(biāo)值均為0，而地區(qū)2的因素指標(biāo)值為較高值。

其次建立各評(píng)估要素的隸屬度函數(shù)：

如食品（X1）要素隸屬度函數(shù)y（x）的建立如下（數(shù)據(jù)見(jiàn)附表）：

y（xi1）=（xi1-0）/（13500-0） 0≤x≤13500 i=1、2……217

依照上述函數(shù)求得的各城市的食品項(xiàng)因素的隸屬度值依次為：y（x11）=0.0000、y（x21）=1.0000、

y（x31）=0.1467、y（x41）=0.0459、y（x51）=0.1701……y（x2191）=0.1417（計(jì)算過(guò)程略）。

其他要素隸屬度函數(shù)的建立及求值同理。

利用上述值乘以0.27，我們可以得到不同城鎮(zhèn)居民的食品支出對(duì)其生活質(zhì)量水平的貢獻(xiàn)值或影響程度值分別為0.0000、0.2700、0.0396……0.0383。

衣著、居住等因素對(duì)居民生活質(zhì)量水平的貢獻(xiàn)值或影響程度值的計(jì)算同上。

將上述所求得的各項(xiàng)因素對(duì)居民生活質(zhì)量水平的貢獻(xiàn)值或影響值加總求和，可以得到能夠反映各地區(qū)人民生活質(zhì)量水平的綜合隸屬度值，也即所要求的可以用來(lái)衡量城鎮(zhèn)生活質(zhì)量水平的指標(biāo)值。依次為0.0000、1.0000、0.0983、0.1068……0.1127（數(shù)據(jù)見(jiàn)附表）。

生活質(zhì)量指標(biāo)值很好地反映了不同地區(qū)各自的人民生活水平狀況，也直觀地反映了不同地區(qū)之間的差距，便于我們進(jìn)行比較和評(píng)價(jià)（因本文所選理想城鎮(zhèn)居民的消費(fèi)水平很高，所以沒(méi)能把所求的真實(shí)情況中各城鎮(zhèn)的指標(biāo)值的距離拉開(kāi)）。

（二）基于BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算的生活質(zhì)量指標(biāo)值

使用braincel來(lái)實(shí)現(xiàn)基于BP算法的三層前饋神經(jīng)網(wǎng)的功能，其工作原理如下：假設(shè)輸入向量為X=（x1，x2，…，xi，…，xn）T；隱層輸出向量為Y=（y1，y2，…，yj，…，ym）T；輸出層輸出向量為O=（o1，o2，…，ok，…or）T。期望輸出向量為d=（d1，d2，…，dk，

…dr）T。用V來(lái)表示隱層與輸入層間的權(quán)值矩陣，其中V=（V1，V2，…，Vj，…Vm），Vj為隱層第j個(gè)神經(jīng)元對(duì)應(yīng)的權(quán)向量；另外，用W代表輸出層與隱層間的權(quán)值矩陣，具體為W=（W1，W2，…，WK，…，Wr），WK為第k個(gè)神經(jīng)元所對(duì)應(yīng)的權(quán)向量。它們之間的關(guān)系：

其中轉(zhuǎn)移函數(shù)為：f（x）=1÷（1+e-x） （5）

以上算式（1）～（5）為三層前饋網(wǎng)絡(luò)的數(shù)學(xué)模型。

四、在使用神經(jīng)網(wǎng)絡(luò)時(shí)有幾點(diǎn)需要注意

在對(duì)神經(jīng)網(wǎng)絡(luò)運(yùn)用的過(guò)程中，所需要注意的問(wèn)題包含以下幾點(diǎn)：

其一，要解釋神經(jīng)網(wǎng)絡(luò)是非常困難的，并且截至目前并沒(méi)有針對(duì)神經(jīng)網(wǎng)絡(luò)形成較為簡(jiǎn)便的方法學(xué)。

其二，排除較為簡(jiǎn)單的問(wèn)題，要對(duì)一個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，則需要花費(fèi)一定的時(shí)間。但在建立好神經(jīng)網(wǎng)絡(luò)后，將其運(yùn)用在預(yù)測(cè)工作當(dāng)中，其處理速度是非?？斓?。

其三，需要選擇合理、恰當(dāng)?shù)挠?xùn)練神經(jīng)網(wǎng)絡(luò)，并對(duì)神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行嚴(yán)格的控制，具有代表性的有交叉驗(yàn)證法、測(cè)試集方法等，其根本原因是神經(jīng)網(wǎng)絡(luò)具有可變參數(shù)過(guò)多、過(guò)于靈活等特征，幾乎能夠?qū)λ惺虑榧右浴坝涗洝薄?/p>

（作者單位為湖北職業(yè)技術(shù)學(xué)院）

[作者簡(jiǎn)介：鄭敏（1987—），女，碩士研究生，講師，研究方向：財(cái)務(wù)會(huì)計(jì)。]

參考文獻(xiàn)

[1] 周政. BP神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀綜述[J].山西電子技術(shù)，2008（2）.

[2] 黎鵬.基于BP神經(jīng)網(wǎng)絡(luò)、蒙特卡羅模擬與核估計(jì)的經(jīng)濟(jì)增長(zhǎng)預(yù)測(cè)研究[J].價(jià)值工程，2009（7）.

[3] 李翱翔，陳健.BP神經(jīng)網(wǎng)絡(luò)參數(shù)改進(jìn)方法綜述[J].電子科技，2017（2）.

[4] 韓力群.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京郵電大學(xué)出版社，2017.