基于改进的五层模糊神经网络的农业科技成果估值研究

摘要：

[目的]针对农业科技成果估值难的问题,研究计算机动态评估农业科技成果价值的方法,为农业科技成果的转化、交易或转移提供数据支撑和定价依据.[方法]采用模糊理论与神经网络相结合的方法构建五层模糊神经网络模型FNN(Fuzzy neural network),从农业科技成果历史交易中学习、存储规则知识并用于成果的交易价格预测,经实际业务数据测试,FNN估值准确率仅达到80％,为进一步提高估值准确率,适应交易样本不断增加引起的变化,降低重新训练所有样本数据的资源消耗,引入增量学习,提出了改进的五层模糊神经网络模型IFNN(Improved fuzzy neural network)和改进的估值流程.[结果]在实际业务数据处理中,通过应用改进的估值流程,完成增量数据的训练,改进的五层模糊神经网络IFNN估值准确率达到86.7％.选取15个油菜品种,对比FNN和IFNN模型估值结果,FNN和IFNN模糊隶属度不同,对比表明,IFNN估值准确度高于FNN.IFNN模型从算法上满足估值准确度随增量学习持续提高的要求.但为了进一步提高估值准确度,还需要更完备的训练数据.[结论]改进的五层模糊神经网络IFNN能在实际业务中,基于客观数据进行农业科技成果的动态估值,能够适应不断变化和发展的社会,具有较高的实际应用价值.

关键词：农业科技成果、价值评估、五层模糊神经网络、增量学习

所属期刊栏目：36

分类号：S126(农业物理学)

资助基金：国家重点研发计划2020YFD1100605

在线出版日期：2023-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2059-2068