运用ANNs算法和BP算法对产业优化转型升级研究

林 锋，黄丽华

(1.福州外语外贸学院，福建 福州 350200；2.福州外语外贸学院 经贸系，福建 福州 350200)

运用ANNs算法和BP算法对产业优化转型升级研究

林 锋1，黄丽华2

(1.福州外语外贸学院，福建 福州 350200；2.福州外语外贸学院 经贸系，福建 福州 350200)

将产业优化转型升级分成产业信息共享和产业信息创新维度，采用人工神经网络算法和误差反向传播算法对产业优化转型升级模型进行构建，并对产业优化转型升级的模型进行分析，从而有利于产业优化转型升级的进行。

神经网络算法；误差反向传播算法；转型升级

1 产业优化转型升级两个维度

产业优化转型升级中的产业信息共享是指产业个体、群体以及产业团体的信息财富，通过产业信息以各种交流方式进行传递，如单向、双向或多向传递等，为产业优化转型升级中的其他企业和行业分享信息，使信息被共用，其包括产业内的转型升级和产业间的转型升级[1]。

在进行产业优化转型升级模型构建和分析中，可以考虑产业优化转型升级分成产业信息共享和产业信息创新的两维度进行分析。用两个维度来进行产业优化转型升级的衡量，横向为产业优化转型升级中产业信息共享，纵向为产业优化转型升级中产业信息创新。产业优化转型升级中产业信息共享的过程可以理解为“量”积累的过程；通过以下数学模型进行定量分析可以对产业优化转型升级中这两个维度进行建模。

在产业优化转型升级中，设产业优化转型升级初始产业信息需求方为Dd，产业优化转型升级初始产业信息需求方为Ds，产业优化转型升级过程中产业信息增加的第i次附加信息为Δdi。产业信息需求方在第i次产业优化转型升级中未能从Δdi中取得的产业信息量为mi，产业信息供给方在第i次产业优化转型升级中损失的附加产业信息量为εi，产业信息需求方在产业优化转型升级后的产业信息总量为D'd，产业信息供给方在产业优化转型升级后的产业信息总量为D's。则：

(1)

(2)

在产业优化转型升级后，产业信息需求方和产业信息供给方的信息总量为：

2 产业优化转型升级的模型构建

产业优化转型升级过程中的信息节点可以是产业信息个体之间的产业信息升级以及产业信息种群整体与整体之间的产业信息升级机制。因此，可运用生物学的神经网络算法，对产业信息节点与节点之间的产业信息共享和产业信息创新之后的产业信息升级输出进行定量分析。在对产业优化转型升级模型构建过程中可以采用人工神经网络算法以及误差反向传播算法进行分析。人工神经网络(Artificial Neural Networks, ANNs)[2]，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入-输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。而误差反向传播算法(Error Back Propagation,BP),也是目前比较广泛应用于神经网络模型构建的算法之一。

2.1 封闭性产业优化转型升级模型

根据人工神经网络和误差反向传播算法的原理，任意选取一个产业优化转型升级过程中信息知识节点作为神经元，神经元的输入用Nl，N2，…，Nj表示，即产业信息节点的初始产业信息量；所有这些输入产业信息量的权值(即产业信息点在产业优化转型升级过程中的转型升级作用强度)用εj1，εj2，…，εji表示；通过对二者的乘积求和，就得到神经元j的总输入netj：

(3)

在产业优化转型升级过程中，当产业信息节点j接受到输入，并在函数F的作用下才能产生产业信息的输出，表示为：

(4)

公式(4)中Nj(t+1)表示在时间t时刻节点j的状态，实际上是产业优化转型升级过程中节点的转型升级规律。公式(4)表示经过活跃函数的变化，在产业优化转型升级过程中，系统没有收到任何刺激后的状态下节点j表示为前一时段产业优化转型升级中所有信息节点状态与其各自相应产业信息量权值的乘积之和。

2.2 开放性产业优化转型升级模型

在实际生活中，产业优化转型升级的过程并不一定就是一个封闭的过程，这个过程有可能是在一个开放的环境下进行的，外界环境随时可能对其进行刺激。外界系统进行信息能量的输入时，常常会引起产业优化转型系统的现有状态变化。要能更好地对开放性产业优化转型升级，不断改进产业优化转型升级机制，现对公式(4)进行修正：

(5)

其中，在产业优化转型升级过程中以外的刺激为Ij(t)。可以区分正常产业信息的获取和产业信息接受，因为二者对外界刺激是不同的。正常获得产业信息转型升级的过程可以通过会议、期刊、互联网和交流等，而政府、机构等的投资和产业信息研发基础设施可以更好地获得正常产业信息以外的外界信息存储、产出和传播等。

2.3 综合性产业优化转型升级模型

产业优化转型升级过程中将信息的区分为正常信息还是外界信息是一个相对比较难的事情，因为产业信息是在一个长期积累和复杂的过程产生的。因此，在产业优化转型升级过程中，我们既要考虑到封闭性产业优化转型升级的模型，同时也要考虑到开放性产业优化转型升级的模型，更应该考虑到封闭性和开放性同时存在的综合性产业优化转型升级的模型构建。

以三层BP产业优化转型升级网络为例，对产业优化转型升级过程中产业信息输入节点为n、产业信息节点隐层为q和产业信息输出节点m，产业信息的样本输入总数为P，第p个产业信息样本的第i个输入值为Xpi，产业信息输入层第i个产业信息节点到产业信息隐层第k个产业信息节点的权值为vki，产业信息隐层第k个产业信息节点到产业信息输出层第j个产业信息节点的权值为ωjk，则第k个产业信息节点的隐层输出为：

(6)

信息节点的输出层中第j个产业输出为：

(7)

其中满足导数：

f′=f(1-f)

假设定义产业信息全局误差函数为：

(8)

其中产业信息样本误差的第p个样本误差为Ep，产业信息理想输出为tpj。

因此，可以推导产业优化转型升级的权值调整的公式：

(1)产业信息优化升级的输出层信息权值调整为：

其中η为产业优化转型升级率，一般取值范围为0.1-0.3。

定义产业信息误差性号为：

其中：

于是

δpj=(tpj-ypj)·ypj(1-ypj)

(9)

从而产业信息优化转型升级输出层各产业信息神经元的权值调整公式为：

(10)

(2) 产业信息优化升级的隐层信息权值调整为：

定义误差产业信息信号为：

其中

于是

(11)

从而产业信息优化转型升级隐层各产业信息神经元的权值调整公式为：

(12)

2.4 产业优化转型升级的模型构建

从之前的分析可知：当产业优化转型升级的过程是处于一个封闭性状态时，产业优化转型升级过程的某一节点知识状态会受到所有节点的状态和节点相应的产业信息权值的影响；当产业优化转型升级过程处于一个开放性状态时，除受所有节点的状态和节点相应的产业信息权值的影响外，还会受到外部环境因素的影响[3]；当产业优化转型升级过程处于一个既有封闭性又有开放性的综合性状态时，除受所有节点的状态和节点相应的产业信息权值的影响和受到产业优化转型升级过程外的影响外，还会受到产业信息优化转型升级各信息神经元误差产业信号权值等的影响。因而为了能更方便地研究讨论，我们假设产业优化转型升级不是在一个长期和外界巨大的影响下，产业优化转型升级过程也理解为一种封闭性状态中进行，其优化转型升级只受所有节点的状态和节点相应的产业信息误差产业信号权值的影响。

3 产业优化转型升级的模型分析

3.1 网络动力学角度分析产业信息优化升级作用

从网络动力学来看，Pyka[4](1997)认为，根据节点状态随时间转移的马尔可夫性，产业优化转型升级的过程中节点状态的变化形式为：

p=aE-βx

(13)

其中，p表示产业优化转型升级的过程中节点状态变化率，x表示产业优化转型升级的过程网络状态，a是规模参数，β是常数。公式(13)表示产业优化转型升级的过程中节点状态的变化是由产业优化转型升级的过程的信息网络状态、信息规模参数α以及β决定。

虽然是从不同的研究角度进行的，但E-βγ是产业信息关联的空间节点的核心，其中r表示产业优化转型升级的过程中两点的距离，并且是抽象的广义的距离，负号代表随距离增大产业信息优化转型升级的强度逐渐减少。从不同角度进行研究时，在E-βγ前加上表示两节点状态的变量，根据这种思路，我们在研究产业优化转型升级的过程中产业信息节点优化升级作用强度时也可采用这种形式，即：

εji=g(αE-βr,r)

(14)

此公式表示产业信息节点j和节点i优化升级ε是E-βr和产业信息节点关联距离r之间的函数，α为参数。因此，产业信息节点广义距离r的确定是公式(14)的关键所在。

根据Kilindert T的生产力发达水平广义距离模型的启发，在产业优化转型升级的过程中，某两点产业信息的广义优化升级可以用两节点特征值之差或比值进行表示。但产业优化转型升级的过程中的产业信息节点较多时，可以采用产业信息节点之间的产业信息生产力发达水平之差来研究，即Yi-Yj，因为用比值法进行比较，不易观察到拉开信息节点的优化升级情况。

rij=Yi-Yj

(15)

产业优化转型升级的过程中产业信息节点优化升级作用大小可遵从一般形式：εji=g(kE-βr,r)以及广义距离rij的形式，则任意两个产业信息的节点i，j间优化升级的强度εji可以表示为：

εji=ajE-βj(Yi-Yj)j=1，2，…n

(16)

公式中aj代表产业信息节点j的规模参数，即其产业信息转换成生产能力大小。βj为优化升级作用参数，即节点之间优化升级力大小，Yj，Yi分别表示产业信息节点j，i的状态，Yi-Yj表示两节点i ，j之间的优化升级相关距离r。

3.2 产业信息节点间优化转型升级强度模型分析

对照公式(14)与公式(15)，在实际生活中，可以用3种情形来解释产业优化转型升级的过程，即产业信息优化升级强度模型。

3.2.1 第一种情况

当产业信息节点j受到产业信息水平高于产业信息节点i的优化转型升级作用时，则为一种产业信息优化升级螺旋向上的推力将作用于产业信息节点j，其作用优化升级的相关距离体现为Yi-Yj>0，那么，任意两个产业信息节点j ，i间的优化升级作用强度εji=ajE-βi(Yi-Yj)也较大。

3.2.2 第二种情况

当产业信息节点j受到产业信息水平高于产业信息节点i的优化转型升级作用时，则为具有一定阻力或有碍于自身发展的推力将作用于产业信息节点j，其作用优化升级的相关距离体现为Yi-Yj<0，那么，任意两个产业信息节点j ，i间的优化升级作用强度εji=ajE-βi(Yi-Yj)也较小。

3.2.3 第三种情况

当产业信息节点j的产业信息水平受到小于高水平产业信息节点对其优化转型升级作用强度，随着比值的增大，对产业转型升级作用强度也越大[5]。另外，当系数aj值越大，即自身产业信息产出规模也就越大。

(17)

但当产业优化转型升级的过程时，其处在一种开放的环境下，公式(17)修正为：

(18)

4 结论

借助于人工神经网络和误差反向传播算法对产业优化转型升级进行建模和分析，为产业转型优化升级的研究提供一种新的理论思路。当然，在对产业优化转型升级的研究过程中，其难点还在于构建更高层次的产业优化转型升级的模型以及对整个产业优化转型升级模型的衡量上，对于这些还是值得我们进一步研究。

[1]余家胜.社会网络对中小企业转型升级的影响研究[D].杭州：浙江师范大学,2012.

[2]唐凤仙，汤鹏杰.基于BP网络的有教师分类算法及应用[J].河池学院学报,2011(2):41-45.

[3]付子墨.全球价值链下我国制造业转型升级战略研究[D].北京：对外经济贸易大学,2012.

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

[5]邓春玉.广东产业转型升级测度及要素空间演化响应机理研究[J].环球市场信息导报，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，Fujian Fuzhou 350200,China；2. Department of Economy and Trade at Fuzhou University of International Studies and Trade，Fujian 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 锋(1978-)，男，福建漳州人，讲师、硕士。主要研究方向：产业升级、区域经济。 2.黄丽华(1980-)，女，福建福州人，副教授、高级工程师、硕士。主要研究方向：产业升级、知识管理。

F224

A

1673-6125(2016)04-0013-04