運(yùn)用ANNs算法和BP算法對(duì)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)研究

林 鋒，黃麗華

(1.福州外語外貿(mào)學(xué)院，福建 福州 350200；2.福州外語外貿(mào)學(xué)院 經(jīng)貿(mào)系，福建 福州 350200)

運(yùn)用ANNs算法和BP算法對(duì)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)研究

林 鋒1，黃麗華2

(1.福州外語外貿(mào)學(xué)院，福建 福州 350200；2.福州外語外貿(mào)學(xué)院 經(jīng)貿(mào)系，福建 福州 350200)

將產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)分成產(chǎn)業(yè)信息共享和產(chǎn)業(yè)信息創(chuàng)新維度，采用人工神經(jīng)網(wǎng)絡(luò)算法和誤差反向傳播算法對(duì)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)模型進(jìn)行構(gòu)建，并對(duì)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的模型進(jìn)行分析，從而有利于產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的進(jìn)行。

神經(jīng)網(wǎng)絡(luò)算法；誤差反向傳播算法；轉(zhuǎn)型升級(jí)

1 產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)兩個(gè)維度

產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中的產(chǎn)業(yè)信息共享是指產(chǎn)業(yè)個(gè)體、群體以及產(chǎn)業(yè)團(tuán)體的信息財(cái)富，通過產(chǎn)業(yè)信息以各種交流方式進(jìn)行傳遞，如單向、雙向或多向傳遞等，為產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中的其他企業(yè)和行業(yè)分享信息，使信息被共用，其包括產(chǎn)業(yè)內(nèi)的轉(zhuǎn)型升級(jí)和產(chǎn)業(yè)間的轉(zhuǎn)型升級(jí)[1]。

在進(jìn)行產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)模型構(gòu)建和分析中，可以考慮產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)分成產(chǎn)業(yè)信息共享和產(chǎn)業(yè)信息創(chuàng)新的兩維度進(jìn)行分析。用兩個(gè)維度來進(jìn)行產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的衡量，橫向?yàn)楫a(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中產(chǎn)業(yè)信息共享，縱向?yàn)楫a(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中產(chǎn)業(yè)信息創(chuàng)新。產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中產(chǎn)業(yè)信息共享的過程可以理解為“量”積累的過程；通過以下數(shù)學(xué)模型進(jìn)行定量分析可以對(duì)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中這兩個(gè)維度進(jìn)行建模。

在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中，設(shè)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)初始產(chǎn)業(yè)信息需求方為Dd，產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)初始產(chǎn)業(yè)信息需求方為Ds，產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中產(chǎn)業(yè)信息增加的第i次附加信息為Δdi。產(chǎn)業(yè)信息需求方在第i次產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中未能從Δdi中取得的產(chǎn)業(yè)信息量為mi，產(chǎn)業(yè)信息供給方在第i次產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中損失的附加產(chǎn)業(yè)信息量為εi，產(chǎn)業(yè)信息需求方在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)后的產(chǎn)業(yè)信息總量為D'd，產(chǎn)業(yè)信息供給方在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)后的產(chǎn)業(yè)信息總量為D's。則：

(1)

(2)

在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)后，產(chǎn)業(yè)信息需求方和產(chǎn)業(yè)信息供給方的信息總量為：

2 產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的模型構(gòu)建

產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中的信息節(jié)點(diǎn)可以是產(chǎn)業(yè)信息個(gè)體之間的產(chǎn)業(yè)信息升級(jí)以及產(chǎn)業(yè)信息種群整體與整體之間的產(chǎn)業(yè)信息升級(jí)機(jī)制。因此，可運(yùn)用生物學(xué)的神經(jīng)網(wǎng)絡(luò)算法，對(duì)產(chǎn)業(yè)信息節(jié)點(diǎn)與節(jié)點(diǎn)之間的產(chǎn)業(yè)信息共享和產(chǎn)業(yè)信息創(chuàng)新之后的產(chǎn)業(yè)信息升級(jí)輸出進(jìn)行定量分析。在對(duì)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)模型構(gòu)建過程中可以采用人工神經(jīng)網(wǎng)絡(luò)算法以及誤差反向傳播算法進(jìn)行分析。人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANNs)[2]，是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力，可以通過預(yù)先提供的一批相互對(duì)應(yīng)的輸入-輸出數(shù)據(jù)，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來推算輸出結(jié)果。而誤差反向傳播算法(Error Back Propagation,BP),也是目前比較廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的算法之一。

2.1 封閉性產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)模型

根據(jù)人工神經(jīng)網(wǎng)絡(luò)和誤差反向傳播算法的原理，任意選取一個(gè)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中信息知識(shí)節(jié)點(diǎn)作為神經(jīng)元，神經(jīng)元的輸入用Nl，N2，…，Nj表示，即產(chǎn)業(yè)信息節(jié)點(diǎn)的初始產(chǎn)業(yè)信息量；所有這些輸入產(chǎn)業(yè)信息量的權(quán)值(即產(chǎn)業(yè)信息點(diǎn)在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中的轉(zhuǎn)型升級(jí)作用強(qiáng)度)用εj1，εj2，…，εji表示；通過對(duì)二者的乘積求和，就得到神經(jīng)元j的總輸入netj：

(3)

在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中，當(dāng)產(chǎn)業(yè)信息節(jié)點(diǎn)j接受到輸入，并在函數(shù)F的作用下才能產(chǎn)生產(chǎn)業(yè)信息的輸出，表示為：

(4)

公式(4)中Nj(t+1)表示在時(shí)間t時(shí)刻節(jié)點(diǎn)j的狀態(tài)，實(shí)際上是產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中節(jié)點(diǎn)的轉(zhuǎn)型升級(jí)規(guī)律。公式(4)表示經(jīng)過活躍函數(shù)的變化，在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中，系統(tǒng)沒有收到任何刺激后的狀態(tài)下節(jié)點(diǎn)j表示為前一時(shí)段產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)中所有信息節(jié)點(diǎn)狀態(tài)與其各自相應(yīng)產(chǎn)業(yè)信息量權(quán)值的乘積之和。

2.2 開放性產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)模型

在實(shí)際生活中，產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程并不一定就是一個(gè)封閉的過程，這個(gè)過程有可能是在一個(gè)開放的環(huán)境下進(jìn)行的，外界環(huán)境隨時(shí)可能對(duì)其進(jìn)行刺激。外界系統(tǒng)進(jìn)行信息能量的輸入時(shí)，常常會(huì)引起產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型系統(tǒng)的現(xiàn)有狀態(tài)變化。要能更好地對(duì)開放性產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)，不斷改進(jìn)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)機(jī)制，現(xiàn)對(duì)公式(4)進(jìn)行修正：

(5)

其中，在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中以外的刺激為Ij(t)?？梢詤^(qū)分正常產(chǎn)業(yè)信息的獲取和產(chǎn)業(yè)信息接受，因?yàn)槎邔?duì)外界刺激是不同的。正常獲得產(chǎn)業(yè)信息轉(zhuǎn)型升級(jí)的過程可以通過會(huì)議、期刊、互聯(lián)網(wǎng)和交流等，而政府、機(jī)構(gòu)等的投資和產(chǎn)業(yè)信息研發(fā)基礎(chǔ)設(shè)施可以更好地獲得正常產(chǎn)業(yè)信息以外的外界信息存儲(chǔ)、產(chǎn)出和傳播等。

2.3 綜合性產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)模型

產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中將信息的區(qū)分為正常信息還是外界信息是一個(gè)相對(duì)比較難的事情，因?yàn)楫a(chǎn)業(yè)信息是在一個(gè)長(zhǎng)期積累和復(fù)雜的過程產(chǎn)生的。因此，在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中，我們既要考慮到封閉性產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的模型，同時(shí)也要考慮到開放性產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的模型，更應(yīng)該考慮到封閉性和開放性同時(shí)存在的綜合性產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的模型構(gòu)建。

以三層BP產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)網(wǎng)絡(luò)為例，對(duì)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程中產(chǎn)業(yè)信息輸入節(jié)點(diǎn)為n、產(chǎn)業(yè)信息節(jié)點(diǎn)隱層為q和產(chǎn)業(yè)信息輸出節(jié)點(diǎn)m，產(chǎn)業(yè)信息的樣本輸入總數(shù)為P，第p個(gè)產(chǎn)業(yè)信息樣本的第i個(gè)輸入值為Xpi，產(chǎn)業(yè)信息輸入層第i個(gè)產(chǎn)業(yè)信息節(jié)點(diǎn)到產(chǎn)業(yè)信息隱層第k個(gè)產(chǎn)業(yè)信息節(jié)點(diǎn)的權(quán)值為vki，產(chǎn)業(yè)信息隱層第k個(gè)產(chǎn)業(yè)信息節(jié)點(diǎn)到產(chǎn)業(yè)信息輸出層第j個(gè)產(chǎn)業(yè)信息節(jié)點(diǎn)的權(quán)值為ωjk，則第k個(gè)產(chǎn)業(yè)信息節(jié)點(diǎn)的隱層輸出為：

(6)

信息節(jié)點(diǎn)的輸出層中第j個(gè)產(chǎn)業(yè)輸出為：

(7)

其中滿足導(dǎo)數(shù)：

f′=f(1-f)

假設(shè)定義產(chǎn)業(yè)信息全局誤差函數(shù)為：

(8)

其中產(chǎn)業(yè)信息樣本誤差的第p個(gè)樣本誤差為Ep，產(chǎn)業(yè)信息理想輸出為tpj。

因此，可以推導(dǎo)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的權(quán)值調(diào)整的公式：

(1)產(chǎn)業(yè)信息優(yōu)化升級(jí)的輸出層信息權(quán)值調(diào)整為：

其中η為產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)率，一般取值范圍為0.1-0.3。

定義產(chǎn)業(yè)信息誤差性號(hào)為：

其中：

于是

δpj=(tpj-ypj)·ypj(1-ypj)

(9)

從而產(chǎn)業(yè)信息優(yōu)化轉(zhuǎn)型升級(jí)輸出層各產(chǎn)業(yè)信息神經(jīng)元的權(quán)值調(diào)整公式為：

(10)

(2) 產(chǎn)業(yè)信息優(yōu)化升級(jí)的隱層信息權(quán)值調(diào)整為：

定義誤差產(chǎn)業(yè)信息信號(hào)為：

其中

于是

(11)

從而產(chǎn)業(yè)信息優(yōu)化轉(zhuǎn)型升級(jí)隱層各產(chǎn)業(yè)信息神經(jīng)元的權(quán)值調(diào)整公式為：

(12)

2.4 產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的模型構(gòu)建

從之前的分析可知：當(dāng)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程是處于一個(gè)封閉性狀態(tài)時(shí)，產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程的某一節(jié)點(diǎn)知識(shí)狀態(tài)會(huì)受到所有節(jié)點(diǎn)的狀態(tài)和節(jié)點(diǎn)相應(yīng)的產(chǎn)業(yè)信息權(quán)值的影響；當(dāng)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程處于一個(gè)開放性狀態(tài)時(shí)，除受所有節(jié)點(diǎn)的狀態(tài)和節(jié)點(diǎn)相應(yīng)的產(chǎn)業(yè)信息權(quán)值的影響外，還會(huì)受到外部環(huán)境因素的影響[3]；當(dāng)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程處于一個(gè)既有封閉性又有開放性的綜合性狀態(tài)時(shí)，除受所有節(jié)點(diǎn)的狀態(tài)和節(jié)點(diǎn)相應(yīng)的產(chǎn)業(yè)信息權(quán)值的影響和受到產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程外的影響外，還會(huì)受到產(chǎn)業(yè)信息優(yōu)化轉(zhuǎn)型升級(jí)各信息神經(jīng)元誤差產(chǎn)業(yè)信號(hào)權(quán)值等的影響。因而為了能更方便地研究討論，我們假設(shè)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)不是在一個(gè)長(zhǎng)期和外界巨大的影響下，產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)過程也理解為一種封閉性狀態(tài)中進(jìn)行，其優(yōu)化轉(zhuǎn)型升級(jí)只受所有節(jié)點(diǎn)的狀態(tài)和節(jié)點(diǎn)相應(yīng)的產(chǎn)業(yè)信息誤差產(chǎn)業(yè)信號(hào)權(quán)值的影響。

3 產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的模型分析

3.1 網(wǎng)絡(luò)動(dòng)力學(xué)角度分析產(chǎn)業(yè)信息優(yōu)化升級(jí)作用

從網(wǎng)絡(luò)動(dòng)力學(xué)來看，Pyka[4](1997)認(rèn)為，根據(jù)節(jié)點(diǎn)狀態(tài)隨時(shí)間轉(zhuǎn)移的馬爾可夫性，產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程中節(jié)點(diǎn)狀態(tài)的變化形式為：

p=aE-βx

(13)

其中，p表示產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程中節(jié)點(diǎn)狀態(tài)變化率，x表示產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程網(wǎng)絡(luò)狀態(tài)，a是規(guī)模參數(shù)，β是常數(shù)。公式(13)表示產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程中節(jié)點(diǎn)狀態(tài)的變化是由產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程的信息網(wǎng)絡(luò)狀態(tài)、信息規(guī)模參數(shù)α以及β決定。

雖然是從不同的研究角度進(jìn)行的，但E-βγ是產(chǎn)業(yè)信息關(guān)聯(lián)的空間節(jié)點(diǎn)的核心，其中r表示產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程中兩點(diǎn)的距離，并且是抽象的廣義的距離，負(fù)號(hào)代表隨距離增大產(chǎn)業(yè)信息優(yōu)化轉(zhuǎn)型升級(jí)的強(qiáng)度逐漸減少。從不同角度進(jìn)行研究時(shí)，在E-βγ前加上表示兩節(jié)點(diǎn)狀態(tài)的變量，根據(jù)這種思路，我們?cè)谘芯慨a(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程中產(chǎn)業(yè)信息節(jié)點(diǎn)優(yōu)化升級(jí)作用強(qiáng)度時(shí)也可采用這種形式，即：

εji=g(αE-βr,r)

(14)

此公式表示產(chǎn)業(yè)信息節(jié)點(diǎn)j和節(jié)點(diǎn)i優(yōu)化升級(jí)ε是E-βr和產(chǎn)業(yè)信息節(jié)點(diǎn)關(guān)聯(lián)距離r之間的函數(shù)，α為參數(shù)。因此，產(chǎn)業(yè)信息節(jié)點(diǎn)廣義距離r的確定是公式(14)的關(guān)鍵所在。

根據(jù)Kilindert T的生產(chǎn)力發(fā)達(dá)水平廣義距離模型的啟發(fā)，在產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程中，某兩點(diǎn)產(chǎn)業(yè)信息的廣義優(yōu)化升級(jí)可以用兩節(jié)點(diǎn)特征值之差或比值進(jìn)行表示。但產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程中的產(chǎn)業(yè)信息節(jié)點(diǎn)較多時(shí)，可以采用產(chǎn)業(yè)信息節(jié)點(diǎn)之間的產(chǎn)業(yè)信息生產(chǎn)力發(fā)達(dá)水平之差來研究，即Yi-Yj，因?yàn)橛帽戎捣ㄟM(jìn)行比較，不易觀察到拉開信息節(jié)點(diǎn)的優(yōu)化升級(jí)情況。

rij=Yi-Yj

(15)

產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程中產(chǎn)業(yè)信息節(jié)點(diǎn)優(yōu)化升級(jí)作用大小可遵從一般形式：εji=g(kE-βr,r)以及廣義距離rij的形式，則任意兩個(gè)產(chǎn)業(yè)信息的節(jié)點(diǎn)i，j間優(yōu)化升級(jí)的強(qiáng)度εji可以表示為：

εji=ajE-βj(Yi-Yj)j=1，2，…n

(16)

公式中aj代表產(chǎn)業(yè)信息節(jié)點(diǎn)j的規(guī)模參數(shù)，即其產(chǎn)業(yè)信息轉(zhuǎn)換成生產(chǎn)能力大小。βj為優(yōu)化升級(jí)作用參數(shù)，即節(jié)點(diǎn)之間優(yōu)化升級(jí)力大小，Yj，Yi分別表示產(chǎn)業(yè)信息節(jié)點(diǎn)j，i的狀態(tài)，Yi-Yj表示兩節(jié)點(diǎn)i ，j之間的優(yōu)化升級(jí)相關(guān)距離r。

3.2 產(chǎn)業(yè)信息節(jié)點(diǎn)間優(yōu)化轉(zhuǎn)型升級(jí)強(qiáng)度模型分析

對(duì)照公式(14)與公式(15)，在實(shí)際生活中，可以用3種情形來解釋產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程，即產(chǎn)業(yè)信息優(yōu)化升級(jí)強(qiáng)度模型。

3.2.1 第一種情況

當(dāng)產(chǎn)業(yè)信息節(jié)點(diǎn)j受到產(chǎn)業(yè)信息水平高于產(chǎn)業(yè)信息節(jié)點(diǎn)i的優(yōu)化轉(zhuǎn)型升級(jí)作用時(shí)，則為一種產(chǎn)業(yè)信息優(yōu)化升級(jí)螺旋向上的推力將作用于產(chǎn)業(yè)信息節(jié)點(diǎn)j，其作用優(yōu)化升級(jí)的相關(guān)距離體現(xiàn)為Yi-Yj>0，那么，任意兩個(gè)產(chǎn)業(yè)信息節(jié)點(diǎn)j ，i間的優(yōu)化升級(jí)作用強(qiáng)度εji=ajE-βi(Yi-Yj)也較大。

3.2.2 第二種情況

當(dāng)產(chǎn)業(yè)信息節(jié)點(diǎn)j受到產(chǎn)業(yè)信息水平高于產(chǎn)業(yè)信息節(jié)點(diǎn)i的優(yōu)化轉(zhuǎn)型升級(jí)作用時(shí)，則為具有一定阻力或有礙于自身發(fā)展的推力將作用于產(chǎn)業(yè)信息節(jié)點(diǎn)j，其作用優(yōu)化升級(jí)的相關(guān)距離體現(xiàn)為Yi-Yj<0，那么，任意兩個(gè)產(chǎn)業(yè)信息節(jié)點(diǎn)j ，i間的優(yōu)化升級(jí)作用強(qiáng)度εji=ajE-βi(Yi-Yj)也較小。

3.2.3 第三種情況

當(dāng)產(chǎn)業(yè)信息節(jié)點(diǎn)j的產(chǎn)業(yè)信息水平受到小于高水平產(chǎn)業(yè)信息節(jié)點(diǎn)對(duì)其優(yōu)化轉(zhuǎn)型升級(jí)作用強(qiáng)度，隨著比值的增大，對(duì)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)作用強(qiáng)度也越大[5]。另外，當(dāng)系數(shù)aj值越大，即自身產(chǎn)業(yè)信息產(chǎn)出規(guī)模也就越大。

(17)

但當(dāng)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的過程時(shí)，其處在一種開放的環(huán)境下，公式(17)修正為：

(18)

4 結(jié)論

借助于人工神經(jīng)網(wǎng)絡(luò)和誤差反向傳播算法對(duì)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)進(jìn)行建模和分析，為產(chǎn)業(yè)轉(zhuǎn)型優(yōu)化升級(jí)的研究提供一種新的理論思路。當(dāng)然，在對(duì)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的研究過程中，其難點(diǎn)還在于構(gòu)建更高層次的產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)的模型以及對(duì)整個(gè)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級(jí)模型的衡量上，對(duì)于這些還是值得我們進(jìn)一步研究。

[1]余家勝.社會(huì)網(wǎng)絡(luò)對(duì)中小企業(yè)轉(zhuǎn)型升級(jí)的影響研究[D].杭州：浙江師范大學(xué),2012.

[2]唐鳳仙，湯鵬杰.基于BP網(wǎng)絡(luò)的有教師分類算法及應(yīng)用[J].河池學(xué)院學(xué)報(bào),2011(2):41-45.

[3]付子墨.全球價(jià)值鏈下我國(guó)制造業(yè)轉(zhuǎn)型升級(jí)戰(zhàn)略研究[D].北京：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué),2012.

[4]Pyka A.，Informnal networking，Technobation[J].1997,17(4):207-220.

[5]鄧春玉.廣東產(chǎn)業(yè)轉(zhuǎn)型升級(jí)測(cè)度及要素空間演化響應(yīng)機(jī)理研究[J].環(huán)球市場(chǎng)信息導(dǎo)報(bào)，2012(35)：55-61.

The research of using the arithmetic of NNAs and BP to the transformation and upgrading of industrial optimization

LIN Feng1, HUANG Li-hua2

(1. Fuzhou University of International Studies and Trade，F(xiàn)ujian Fuzhou 350200,China；2. Department of Economy and Trade at Fuzhou University of International Studies and Trade，F(xiàn)ujian Fuzhou 350200,China)

Through the transformation and upgrading of industrial optimization can be divided into industrial information sharing and information industry innovation dimensions, using the algorithm of neural network model and back propagation model for transformation and upgrading of industrial optimization model is built, and the model of the transformation and upgrading of industrial optimization is analyzed, which is advantageous to the transformation and upgrading of industrial optimization.

Neural Network Algorithms; Error Back Propagation; Transformation and upgrading

2016-09-14

1.林 鋒(1978-)，男，福建漳州人，講師、碩士。主要研究方向：產(chǎn)業(yè)升級(jí)、區(qū)域經(jīng)濟(jì)。 2.黃麗華(1980-)，女，福建福州人，副教授、高級(jí)工程師、碩士。主要研究方向：產(chǎn)業(yè)升級(jí)、知識(shí)管理。

F224

A

1673-6125(2016)04-0013-04