神經(jīng)網(wǎng)絡(luò)技術(shù)全文(5篇)

摘要：隨著計(jì)算機(jī)網(wǎng)絡(luò)、信息技術(shù)、自動(dòng)化技術(shù)的進(jìn)步，極大的改變了我們的生活。人工神經(jīng)網(wǎng)絡(luò)技術(shù)是一種全新的控制技術(shù)，通過互聯(lián)網(wǎng)進(jìn)行動(dòng)態(tài)模擬，從而建立一種新的控制互聯(lián)網(wǎng)的系統(tǒng)。經(jīng)過十幾年的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)研究取得了巨大的進(jìn)步，已經(jīng)廣泛應(yīng)用在社會(huì)各個(gè)領(lǐng)域，使現(xiàn)代計(jì)算機(jī)中的難題得到了解決。本文主要從人工神經(jīng)網(wǎng)絡(luò)技術(shù)的概念出發(fā)，探討了它在現(xiàn)代社會(huì)領(lǐng)域的具體應(yīng)用。

【關(guān)鍵詞】人工神經(jīng)網(wǎng)絡(luò) 信息技術(shù) 發(fā)展趨勢(shì)

人工神經(jīng)網(wǎng)絡(luò)技術(shù)在處理實(shí)際問題主要包括兩個(gè)過程，一個(gè)是學(xué)習(xí)訓(xùn)練過程，另外一個(gè)是記憶聯(lián)想過程。近年來隨著人工網(wǎng)絡(luò)技術(shù)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)在信號(hào)處理、圖像處理、智能識(shí)別等領(lǐng)域已經(jīng)取得了巨大的改變，為人們研究各類科學(xué)問題提供了一種新的方法和手段，使人們?cè)诮煌ㄟ\(yùn)輸、人工智能、軍事、信息領(lǐng)域的工作更加便捷，近年來隨著AI的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)技術(shù)得到了快速的發(fā)展階段。

1人工神經(jīng)網(wǎng)絡(luò)技術(shù)

人工神經(jīng)網(wǎng)絡(luò)技術(shù)也稱ANN，是隨著上個(gè)世紀(jì)八十年代人工智能發(fā)展興起的一個(gè)研究熱點(diǎn)，它的主要工作原理對(duì)人腦神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象處理，并仿造人腦神經(jīng)網(wǎng)絡(luò)建立簡(jiǎn)單的模型，按照不同的連接方式組成一個(gè)完整的網(wǎng)絡(luò)，因此學(xué)術(shù)界也直接將它成為神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)其實(shí)就是一種運(yùn)算模型，它是通過大量的節(jié)點(diǎn)——神經(jīng)元連接起來的，其中不同的節(jié)點(diǎn)所代表的輸出函數(shù)也不同，也就是所謂的激勵(lì)函數(shù)；當(dāng)有兩個(gè)節(jié)點(diǎn)連接起來時(shí)稱之為通過該連接信號(hào)的加權(quán)值，也稱為權(quán)重，這就相當(dāng)人腦神經(jīng)網(wǎng)絡(luò)記憶。人工神經(jīng)網(wǎng)絡(luò)技術(shù)是采用并行分布式系統(tǒng)，這種工作機(jī)理與傳統(tǒng)的信息處理技術(shù)和人工智能技術(shù)完全不同，是一種全新的技術(shù)，它克服了傳統(tǒng)基于邏輯符號(hào)的人工智能處理非結(jié)構(gòu)信息化和直覺方面的缺陷，具有實(shí)時(shí)學(xué)習(xí)、自適應(yīng)性和自組織性等特點(diǎn)。

2人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用分析

隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，它在模式識(shí)別、知識(shí)工程、信號(hào)處理、專家系統(tǒng)、機(jī)器人控制等方面的應(yīng)用較廣。

［摘要］波動(dòng)率是對(duì)特定證券或市場(chǎng)指數(shù)收益分散度的統(tǒng)計(jì)量度，可以通過使用證券或市場(chǎng)指數(shù)收益率之間的標(biāo)準(zhǔn)偏差或方差來衡量。通常，波動(dòng)率越高，風(fēng)險(xiǎn)越高。文章運(yùn)用神經(jīng)網(wǎng)絡(luò)模型對(duì)美國(guó)標(biāo)普500指數(shù)2016年的波動(dòng)率進(jìn)行了預(yù)測(cè)，并得到了優(yōu)于傳統(tǒng)模型的預(yù)測(cè)結(jié)果。

［關(guān)鍵詞］神經(jīng)網(wǎng)絡(luò)技術(shù);標(biāo)普500指數(shù);波動(dòng)率;預(yù)測(cè)

波動(dòng)率是對(duì)特定證券或市場(chǎng)指數(shù)的收益分散度的統(tǒng)計(jì)量度，可以通過使用證券或市場(chǎng)指數(shù)收益率之間的標(biāo)準(zhǔn)偏差或方差來衡量。通常，波動(dòng)率越高，風(fēng)險(xiǎn)越高。用來計(jì)算波動(dòng)率的傳統(tǒng)方法包括Black－Scholes模型和GARCH族模型。這些傳統(tǒng)方法難以捕捉金融市場(chǎng)時(shí)間序列數(shù)據(jù)等數(shù)據(jù)集的不連續(xù)性，非線性和高度復(fù)雜性。隨著計(jì)算機(jī)科學(xué)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)技術(shù)提供了足夠的學(xué)習(xí)能力，更有可能捕捉到金融市場(chǎng)中復(fù)雜的非線性模型。該技術(shù)已經(jīng)在金融預(yù)測(cè)研究中取得了一些成果。Baba和Kozaki(1992)開發(fā)了一個(gè)神經(jīng)網(wǎng)絡(luò)系統(tǒng)用于預(yù)測(cè)日本股市的價(jià)格，并將改進(jìn)BP算法與隨機(jī)優(yōu)化方法相結(jié)合的混合算法用于神經(jīng)網(wǎng)絡(luò)參數(shù)的訓(xùn)練。

1建模

本文使用神經(jīng)網(wǎng)絡(luò)技術(shù)建立了一個(gè)可以預(yù)測(cè)標(biāo)普500指數(shù)波動(dòng)率的模型?？紤]到較長(zhǎng)時(shí)間的交易包含了更多的信息以及實(shí)證研究的需要，本文選取的樣本范圍從2005年1月到2016年12月。為了比較不同模型的預(yù)測(cè)精度，以均方誤差(MSE)作為評(píng)價(jià)標(biāo)準(zhǔn)，即預(yù)測(cè)波動(dòng)率與實(shí)際波動(dòng)率之間的偏差平方的平均值。反向傳播(BP)算法也稱為誤差反向傳播算法，是人工神經(jīng)網(wǎng)絡(luò)中的監(jiān)督學(xué)習(xí)算法。BP神經(jīng)網(wǎng)絡(luò)算法理論上可以近似于任何函數(shù)。其基本結(jié)構(gòu)由非線性變?cè)M成，具有較強(qiáng)的非線性映射能力。而且，網(wǎng)絡(luò)層數(shù)、神經(jīng)元數(shù)量、網(wǎng)絡(luò)學(xué)習(xí)系數(shù)可根據(jù)具體情況進(jìn)行設(shè)置，靈活性大。輸入變量的選擇是一個(gè)建模決策，可以大大影響網(wǎng)絡(luò)性能。本文的變量選擇思路如下:波動(dòng)率有聚集現(xiàn)象，可以證明波動(dòng)存在自相關(guān)，所以歷史波動(dòng)率可以作為輸入變量來預(yù)測(cè)t+1的波動(dòng)率。Boller-slev(2011)從幾個(gè)宏觀金融變量(市場(chǎng)波動(dòng)率本身和市場(chǎng)的市盈率等)中發(fā)現(xiàn)了波動(dòng)率風(fēng)險(xiǎn)溢價(jià)的顯著影響。因此，市盈率將被用作預(yù)測(cè)t+1波動(dòng)率的輸入變量。Fama和French(1988)發(fā)現(xiàn)，股票價(jià)格的一個(gè)緩慢的均值回歸的趨勢(shì)往往會(huì)導(dǎo)致回報(bào)的負(fù)相關(guān)性。Darrat和Zhong(2003)根據(jù)順序信息得到假設(shè)，發(fā)現(xiàn)了道瓊斯指數(shù)中的股票交易量和波動(dòng)率之間存在顯著的關(guān)系?；谏鲜鲈颍?005年至2015年標(biāo)普500指數(shù)的歷史波動(dòng)率(滯后項(xiàng))、市盈率、30日均價(jià)、交易量和一些基本信息(包括日收益率和收盤價(jià))被選擇作為輸入變量。從這些數(shù)據(jù)中學(xué)習(xí)訓(xùn)練之后，BP神經(jīng)網(wǎng)絡(luò)將用于預(yù)測(cè)2016年標(biāo)普500指數(shù)的波動(dòng)率。我們使用MATLAB來建立這個(gè)BP神經(jīng)網(wǎng)絡(luò)。將2736個(gè)樣本隨機(jī)分為3組:有70%的樣本用于訓(xùn)練網(wǎng)絡(luò)。這些樣本在訓(xùn)練期間提交給網(wǎng)絡(luò)。然后根據(jù)誤差對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行調(diào)整以優(yōu)化自身。有15%的樣本用于驗(yàn)證并停止訓(xùn)練。有15%的樣本用于測(cè)試，提供了訓(xùn)練期間和訓(xùn)練后的網(wǎng)絡(luò)性能的獨(dú)立測(cè)量。這種方法被稱為交叉驗(yàn)證，這是一種模型驗(yàn)證技術(shù)，用于評(píng)估統(tǒng)計(jì)分析結(jié)果和模型的過擬合程度。對(duì)于網(wǎng)絡(luò)的層數(shù)，很多學(xué)者做了理論研究。Lippmann(1987)提出具有兩個(gè)隱層的神經(jīng)網(wǎng)絡(luò)可以解決任何形式的分類問題。之后，Hetcht－Nielsen(1989)從理論上證明，任何閉區(qū)間的連續(xù)函數(shù)都可以用一個(gè)帶有隱含層的BP網(wǎng)絡(luò)來逼近。該理論可以作為BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的基本原則。實(shí)際上，增加層數(shù)的目的是找到輸入、輸出變量之間的關(guān)系，以減少誤差，提高學(xué)習(xí)的準(zhǔn)確性;另外，層數(shù)增加使得網(wǎng)絡(luò)結(jié)構(gòu)更加復(fù)雜，從而增加了網(wǎng)絡(luò)訓(xùn)練時(shí)間。因此，通常的做法是通過設(shè)置隱藏的神經(jīng)元的數(shù)量來調(diào)整誤差。隱藏層神經(jīng)元的數(shù)量對(duì)解決問題有很大的影響。有些書籍和文章提供了選擇神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的“經(jīng)驗(yàn)法則”。例如，Blum(1992)提供的經(jīng)驗(yàn)法則是隱藏層的大小應(yīng)該在輸入層和輸出層之間。Berry和Linoff(1997)給出的另一個(gè)經(jīng)驗(yàn)法則是，它不能超過輸入層的兩倍。王小川等人(2013)提出了以下公式來幫助選擇隱藏神經(jīng)元的數(shù)量:Nhid＜Nin－1Nhid＜Nin+N槡out+a(0＜a＜10)Nhid=log2Nin我們測(cè)試了具有不同數(shù)目隱藏層的神經(jīng)網(wǎng)絡(luò)，從3到10。樣本內(nèi)的測(cè)試結(jié)果表明，有4個(gè)神經(jīng)元的神經(jīng)網(wǎng)絡(luò)具有最好的結(jié)果。而通過對(duì)樣本外數(shù)據(jù)即2016年標(biāo)普500指數(shù)波動(dòng)率的驗(yàn)證可以發(fā)現(xiàn)，4神經(jīng)元網(wǎng)絡(luò)在MSE和R評(píng)估標(biāo)準(zhǔn)中優(yōu)于其他模型，這進(jìn)一步證實(shí)了本文的實(shí)驗(yàn)結(jié)果。

2預(yù)測(cè)結(jié)果分析

使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行波動(dòng)率預(yù)測(cè)得到的均方誤差(MSE)為4.291E－5，遠(yuǎn)小于同期數(shù)據(jù)計(jì)算得到的隱含波動(dòng)率和GARCH模型計(jì)算得到的波動(dòng)率的均方誤差。將其與已實(shí)現(xiàn)的波動(dòng)率進(jìn)行比較可以發(fā)現(xiàn)，即使市場(chǎng)出現(xiàn)一些突然的變化或沖擊，神經(jīng)網(wǎng)絡(luò)的波動(dòng)率仍然接近實(shí)現(xiàn)的波動(dòng)率，這表明神經(jīng)網(wǎng)絡(luò)在t+1波動(dòng)率預(yù)測(cè)方面具有優(yōu)越性。但是，這項(xiàng)研究還有一些局限性可以進(jìn)一步改進(jìn)。首先，本研究的波動(dòng)率預(yù)測(cè)是基于每日數(shù)據(jù)來預(yù)測(cè)t+1的波動(dòng)率。神經(jīng)網(wǎng)絡(luò)模型在不同時(shí)期的波動(dòng)率預(yù)測(cè)中是否存在優(yōu)勢(shì)還有待研究。其次，需要優(yōu)化神經(jīng)網(wǎng)絡(luò)的輸入變量。在這項(xiàng)研究中，選擇市盈率、交易量、歷史波動(dòng)率、30天平均價(jià)格，收盤價(jià)格和每日收益率作為輸入變量。事實(shí)上，還有很多其他的與市場(chǎng)波動(dòng)有關(guān)的變量，比如投資者情緒，利率變化等，所以輸入變量的優(yōu)化可以提高神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)能力。最后，本研究的對(duì)象是2005年至2016年標(biāo)普500指數(shù)的數(shù)據(jù)，因此，其他市場(chǎng)或其他時(shí)間的波動(dòng)率還有待進(jìn)一步研究。但可以預(yù)見，不同市場(chǎng)的情況會(huì)有很大的不同，甚至根本不同。如果標(biāo)的資產(chǎn)流動(dòng)性差或交易量過小，神經(jīng)網(wǎng)絡(luò)模型很難獲得足夠的數(shù)據(jù)進(jìn)行訓(xùn)練。它的預(yù)測(cè)能力可能會(huì)被嚴(yán)重降低。

1神經(jīng)網(wǎng)絡(luò)損傷診斷的兩級(jí)識(shí)別策略

基神經(jīng)于網(wǎng)絡(luò)判別指標(biāo)過濾方法的兩級(jí)識(shí)別策略，具有物理意義清晰，定量、定性的特點(diǎn)。應(yīng)用于結(jié)構(gòu)的損傷診斷，可以有效解決結(jié)構(gòu)不適定性、非線性帶來的評(píng)估誤差及精度問題。

1.1自適應(yīng)神經(jīng)網(wǎng)絡(luò)(Auto2associateNeuralNetwork)

自適應(yīng)神經(jīng)網(wǎng)絡(luò)方法基于無損傷結(jié)構(gòu)在正常服役條件下的實(shí)測(cè)響應(yīng)數(shù)據(jù)（某個(gè)動(dòng)力特性參數(shù)、或多個(gè)動(dòng)力特性參數(shù)）作為訓(xùn)練對(duì)象（人工神經(jīng)網(wǎng)絡(luò)的輸入和輸出數(shù)據(jù)X、Y），依次構(gòu)造一個(gè)自相關(guān)的神經(jīng)網(wǎng)絡(luò)Net=T(X→Y)。訓(xùn)練完成后，循環(huán)迭代輸入數(shù)據(jù)X進(jìn)入已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)Net，獲得輸出數(shù)據(jù)Yn。通過選取合適的殘差判斷函數(shù)，通過對(duì)比數(shù)據(jù)Y和網(wǎng)絡(luò)輸出數(shù)據(jù)Yn的差值向量,采用某種距離測(cè)度函數(shù)加以測(cè)量形成健康結(jié)構(gòu)的判別指標(biāo)Vi。當(dāng)結(jié)構(gòu)發(fā)生損傷，實(shí)測(cè)響應(yīng)數(shù)據(jù)Xd被作為輸入數(shù)據(jù)通過已經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)Net，由輸入數(shù)據(jù)Xd和輸出數(shù)據(jù)Yd可以計(jì)算得到的新的判別指標(biāo)Vd，并與Vi相比較計(jì)算差值構(gòu)建損傷指標(biāo)Di來判定損傷。當(dāng)Di大于既定殘差函數(shù)時(shí)，即判定結(jié)構(gòu)已經(jīng)發(fā)生損傷。

1.2概率神經(jīng)網(wǎng)絡(luò)(ProbabilisticNeuralNetwork,PNN)

自適應(yīng)神經(jīng)網(wǎng)絡(luò)方法構(gòu)建自相關(guān)網(wǎng)絡(luò)Net，將實(shí)測(cè)響應(yīng)信息迭代計(jì)算Di，可以定性判定是否存在損傷，在損傷確定的條件下，可通過概率神經(jīng)網(wǎng)絡(luò)PNN判定損傷的位置、類型。PNN是通過具有無參估計(jì)量的已知數(shù)據(jù)集的概率密度函數(shù)來實(shí)現(xiàn)貝葉斯決策，將其加在人工神經(jīng)網(wǎng)絡(luò)框架中,接著進(jìn)行判別未知數(shù)據(jù)最大可能屬于哪個(gè)已知數(shù)集，構(gòu)建一個(gè)包含損傷類別θ1、θ2….θq…θn集合,基于p維試驗(yàn)向量X的貝葉斯決策d(X)為d（X）∈θq(hqlqfq（X）)>hklkfk（X），k≠q

（1）hj———分類指標(biāo)θj的先驗(yàn)概率。lj———與錯(cuò)誤分類d(X)埸θj的相關(guān)損失。fj(X)———采用多變量高斯(Gauss)分布函數(shù)的概率密度函數(shù)：fq（X）∈1nq(2π)p/2σpnqi=1Σexp-（X-Xai)T（X-Xai)2σ222

摘要：從闡述中國(guó)食品安全監(jiān)管模式經(jīng)歷的幾個(gè)重要時(shí)期著手，分析了當(dāng)前中國(guó)食品安全監(jiān)管存在的不足，指出應(yīng)借鑒美國(guó)等發(fā)達(dá)國(guó)家較為成熟的監(jiān)管策略，將大數(shù)據(jù)相關(guān)技術(shù)應(yīng)用于食品安全監(jiān)管中，使數(shù)據(jù)信息更具時(shí)效性和公開性；提出了將BP神經(jīng)網(wǎng)絡(luò)運(yùn)用于食品檢測(cè)數(shù)據(jù)分析中，實(shí)現(xiàn)預(yù)測(cè)某類食品在之后多個(gè)監(jiān)管周期內(nèi)的風(fēng)險(xiǎn)系數(shù)，提高對(duì)食品安全事故的預(yù)警能力。

關(guān)鍵詞：大數(shù)據(jù)；BP神經(jīng)網(wǎng)絡(luò)；食品安全；監(jiān)管

近年來中國(guó)的食品行業(yè)運(yùn)行狀況得到了空前發(fā)展。2019年上半年，全國(guó)規(guī)模以上食品企業(yè)工業(yè)增加值保持穩(wěn)定增長(zhǎng)，其中農(nóng)副食品加工業(yè)累計(jì)同比增長(zhǎng)4．7％，食品制造業(yè)累計(jì)同比增長(zhǎng)5．5％；全國(guó)規(guī)模以上食品工業(yè)企業(yè)營(yíng)業(yè)收入39311．4億元，同比增長(zhǎng)5．0％；利潤(rùn)總額2710．1億元，同比增長(zhǎng)10．0％。在經(jīng)濟(jì)效益增長(zhǎng)的同時(shí)，存在的食品安全問題也逐漸凸顯，受到了公眾的廣泛關(guān)注，國(guó)家對(duì)于食品安全的監(jiān)管也愈發(fā)深入［1］。中國(guó)對(duì)于食品安全問題的監(jiān)管一直處于不斷發(fā)展階段，近幾十年來從監(jiān)管模式上也有了一定的革新和突破。但是在如今大數(shù)據(jù)時(shí)代背景下，食品信息數(shù)據(jù)越來越龐大，也越來越復(fù)雜，有必要順應(yīng)時(shí)代、結(jié)合新型技術(shù)對(duì)傳統(tǒng)的食品安全監(jiān)管模式進(jìn)行優(yōu)化［2］。對(duì)于由不同地區(qū)、機(jī)構(gòu)采集到的食品信息數(shù)據(jù)，如何進(jìn)行系統(tǒng)化的匯總和整理，并從數(shù)據(jù)中發(fā)現(xiàn)潛在的安全隱患問題，及時(shí)向公眾預(yù)警已非常迫切。目前，在中國(guó)乳制品質(zhì)量安全評(píng)價(jià)中已應(yīng)用了BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型，通過訓(xùn)練設(shè)置相應(yīng)的參數(shù)，更客觀地反映中國(guó)乳制品質(zhì)量的實(shí)際情況［3］。而通過數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行整理和分析，進(jìn)一步實(shí)現(xiàn)信息共享，發(fā)揮計(jì)算機(jī)的高速運(yùn)算能力和信息處理能力，對(duì)于食品安全的監(jiān)管來說是一個(gè)新的突破。因此，文章擬對(duì)大數(shù)據(jù)環(huán)境下的食品安全監(jiān)管問題進(jìn)行分析，旨在為推進(jìn)中國(guó)大數(shù)據(jù)食品安全監(jiān)管模式的理論完善及實(shí)踐應(yīng)用提供依據(jù)。

1食品安全監(jiān)管

1．1傳統(tǒng)食品安全監(jiān)管模式

目前對(duì)食品安全監(jiān)管最確切的定義是一項(xiàng)國(guó)家政府等職能部門對(duì)食品生產(chǎn)、加工、流通企業(yè)的食品安全進(jìn)行監(jiān)督和管理的干預(yù)控制活動(dòng)，包括對(duì)食品生產(chǎn)加工及流通環(huán)節(jié)的日常監(jiān)管、食品質(zhì)量安全市場(chǎng)準(zhǔn)入制度的規(guī)范管理，以及對(duì)食品生產(chǎn)質(zhì)量不達(dá)標(biāo)等違法行為的查處［4］。隨著時(shí)代的變遷，食品安全問題也在不斷更新和演變，中國(guó)在食品安全的監(jiān)管方面也經(jīng)歷了幾個(gè)典型時(shí)期。由圖1可知，中國(guó)的食品安全監(jiān)管經(jīng)歷了從無到有、從單一部門到多部門再到單一部門的演變。20世紀(jì)90年代，中國(guó)進(jìn)入了多部門同時(shí)監(jiān)管食品安全的“九龍治水”時(shí)期，此時(shí)的監(jiān)管模式較為混亂；2009—2013年，新增了國(guó)務(wù)院食品安全委員會(huì)，被稱為“九加一”時(shí)期；2013—2018年，食品安全監(jiān)管的主要機(jī)構(gòu)確定為國(guó)家食品藥品監(jiān)督管理總局，與之前相比監(jiān)管力度更強(qiáng)；2018年3月之后，市場(chǎng)監(jiān)督管理局正式成立并由其負(fù)責(zé)食品安全的監(jiān)管，消除了以往監(jiān)管模式中各個(gè)環(huán)節(jié)存在壁壘的問題。雖然中國(guó)食品安全監(jiān)管模式經(jīng)過不斷的完善，在一定程度上控制了中國(guó)食品安全事故的發(fā)生狀況，但并未從根本上有效解決食品安全問題。尤其是在信息化的大數(shù)據(jù)時(shí)代，食品安全相關(guān)的社會(huì)主體數(shù)量大、分布廣，食品安全信息碎片化，這也給傳統(tǒng)的監(jiān)管模式帶來了巨大的困難。目前中國(guó)食品安全的監(jiān)管主要依靠政府部門來完成，存在監(jiān)管手段傳統(tǒng)單一的問題，通常是采取人工監(jiān)管和以罰代管的手段，并且人工監(jiān)管成本高、監(jiān)管效率低。

1．2大數(shù)據(jù)下的食品安全監(jiān)管

在社會(huì)的不斷發(fā)展過程中，計(jì)算機(jī)網(wǎng)絡(luò)等發(fā)展迅速，且在實(shí)際的工作和生活中得到廣泛的應(yīng)用，網(wǎng)絡(luò)技術(shù)給人們帶來了較大的生活便利，但是也帶來了較大的網(wǎng)絡(luò)安全風(fēng)險(xiǎn)，所以在計(jì)算機(jī)技術(shù)發(fā)展的過程中，計(jì)算機(jī)網(wǎng)絡(luò)安全受到的風(fēng)險(xiǎn)越來越大。當(dāng)前你造成網(wǎng)絡(luò)安全受到威脅的因素有很多，例如漏洞、病毒等等，為了保證計(jì)算機(jī)網(wǎng)絡(luò)的安全，需要對(duì)其網(wǎng)絡(luò)安全進(jìn)行評(píng)價(jià)，神經(jīng)網(wǎng)絡(luò)是現(xiàn)階段評(píng)估計(jì)算機(jī)網(wǎng)絡(luò)安全的一種主要方法，為確保計(jì)算機(jī)網(wǎng)絡(luò)安全性，本研究基于神經(jīng)互聯(lián)網(wǎng)在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)仿真模型中的應(yīng)用等相關(guān)的內(nèi)容進(jìn)行分析。

1神經(jīng)網(wǎng)絡(luò)與計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)分析

隨著科學(xué)技術(shù)的發(fā)展，當(dāng)前計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)被廣泛地應(yīng)用，而計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)管理有重要的作用。而信息化技術(shù)的不斷推廣和應(yīng)用，以及信息技術(shù)在各個(gè)領(lǐng)域中的應(yīng)用，使得互聯(lián)網(wǎng)、計(jì)算機(jī)得到普及，并使得人們的生活方式和工作方式發(fā)生變化。但是在當(dāng)前的社會(huì)發(fā)展中，計(jì)算機(jī)互聯(lián)網(wǎng)等的廣泛應(yīng)用，為人們帶來便利的同時(shí)，也為人們帶來了網(wǎng)絡(luò)安全風(fēng)險(xiǎn)，而影響計(jì)算機(jī)安全的因素有很多，為了更好地促進(jìn)計(jì)算機(jī)和互聯(lián)網(wǎng)的發(fā)生，需要對(duì)計(jì)算機(jī)網(wǎng)絡(luò)安全進(jìn)行評(píng)價(jià)，而對(duì)計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)的方法，最為廣泛的為神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)技術(shù)的產(chǎn)生，其主要是針對(duì)人腦信息處理方式進(jìn)行研究，利用數(shù)學(xué)知識(shí)，對(duì)生物神經(jīng)特性進(jìn)行揭示。將其應(yīng)用在計(jì)算機(jī)網(wǎng)絡(luò)安全性的評(píng)價(jià)中，神經(jīng)網(wǎng)絡(luò)可以充分的發(fā)揮其作用，準(zhǔn)確地對(duì)計(jì)算機(jī)網(wǎng)絡(luò)安全進(jìn)行評(píng)價(jià)，確定計(jì)算機(jī)網(wǎng)絡(luò)安全隱患的位置和來源等。隨著信息技術(shù)的發(fā)展，以及科技水平的提升，神經(jīng)網(wǎng)絡(luò)技術(shù)不斷的擴(kuò)展，不斷的深入，其在計(jì)算機(jī)網(wǎng)絡(luò)安全中的應(yīng)用，有重要的意義和作用，為此受到人們的重視。神經(jīng)網(wǎng)絡(luò)屬于智能系統(tǒng)技術(shù)，在其研究和發(fā)展，模擬動(dòng)物的神經(jīng)系統(tǒng)，實(shí)現(xiàn)對(duì)接收到的信息進(jìn)行處理和分析，并通過神經(jīng)網(wǎng)絡(luò)系統(tǒng)，構(gòu)建各種模型，將神經(jīng)網(wǎng)絡(luò)中的各個(gè)節(jié)點(diǎn)之間的關(guān)系模型模擬。同時(shí)在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，還具有自動(dòng)識(shí)別、自學(xué)等功能，可以在對(duì)接收的信息完成分析處理之后，自動(dòng)的在之后的工作中進(jìn)行應(yīng)用。除此之外，神經(jīng)網(wǎng)絡(luò)還具有儲(chǔ)存功能、自我排憂功能等等，可以幫助使用者迅速地找到解決的方案。計(jì)算機(jī)網(wǎng)絡(luò)等技術(shù)在使用的過程中，存在著較大的網(wǎng)絡(luò)安全隱患和風(fēng)險(xiǎn)，為了確保證計(jì)算機(jī)、互聯(lián)網(wǎng)使用安全，必須通過互聯(lián)網(wǎng)安全評(píng)價(jià)系統(tǒng)或技術(shù)，對(duì)計(jì)算機(jī)網(wǎng)絡(luò)的安全等級(jí)和存在的風(fēng)險(xiǎn)隱患等進(jìn)行評(píng)價(jià)，神經(jīng)網(wǎng)絡(luò)就是計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)中最常使用的方法之一。通過神經(jīng)網(wǎng)絡(luò)建立計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)體系以及模型，實(shí)現(xiàn)對(duì)其進(jìn)行的評(píng)價(jià)。

2計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)體系的建立原則以及安全評(píng)價(jià)原理

2.1計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)體系的建立原則

在計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)應(yīng)用的過程中，運(yùn)行的安全性起著關(guān)鍵性的作用，為了保證計(jì)算機(jī)網(wǎng)絡(luò)運(yùn)行的安全性，需要對(duì)其安全進(jìn)行監(jiān)測(cè)和分析，準(zhǔn)確、及時(shí)的反饋出計(jì)算機(jī)網(wǎng)絡(luò)的運(yùn)行狀態(tài)，便于技術(shù)人員對(duì)計(jì)算機(jī)網(wǎng)絡(luò)運(yùn)行產(chǎn)生的問題作出正確及時(shí)的判斷。建立計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)體系，是計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)的一個(gè)保障，其需要遵守一定的原則，這些原則主要有：第一，準(zhǔn)確性。在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)體系建立的過程中，保證安全評(píng)價(jià)體系具有準(zhǔn)確性，進(jìn)而保證其可以準(zhǔn)確、真實(shí)地將計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)信息呈現(xiàn)出來。第二，簡(jiǎn)要性。計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)本身具有復(fù)雜性，為其增加了計(jì)算機(jī)網(wǎng)絡(luò)安全防護(hù)的難度，也增加了計(jì)算機(jī)網(wǎng)絡(luò)安全風(fēng)險(xiǎn)，在實(shí)際的工作中，提高計(jì)算機(jī)網(wǎng)絡(luò)的工作效率和工作質(zhì)量，需要保證計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)指標(biāo)和體系具有象征性和代表性，可以保證評(píng)價(jià)結(jié)果準(zhǔn)確可靠，同時(shí)將其工作量減少。第三，完備性。在神經(jīng)網(wǎng)絡(luò)對(duì)計(jì)算機(jī)網(wǎng)絡(luò)的安全性進(jìn)行評(píng)價(jià)的過程中，建立的安全評(píng)價(jià)體系，需要保證其各項(xiàng)監(jiān)測(cè)指標(biāo)的完備，保證安全評(píng)價(jià)體系的各項(xiàng)指標(biāo)，對(duì)計(jì)算機(jī)網(wǎng)絡(luò)的各種運(yùn)行行為都有反應(yīng)，進(jìn)而保證計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)存在可靠性與真實(shí)性。在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)期間，可以科學(xué)、有效地進(jìn)行相關(guān)的評(píng)價(jià)和選擇。第四，獨(dú)立性。計(jì)算機(jī)網(wǎng)絡(luò)本身是一個(gè)復(fù)雜的系統(tǒng)，在對(duì)其進(jìn)行安全評(píng)價(jià)的過程中，需要保證各項(xiàng)指標(biāo)的獨(dú)立性，減少重復(fù)選擇，進(jìn)而有效的控制安全評(píng)價(jià)的工作量。為了保證安全評(píng)價(jià)的真實(shí)性和工作效率，需要選擇具有獨(dú)立性和代表性的評(píng)價(jià)指標(biāo)進(jìn)行檢測(cè)，最大限度地降低各個(gè)指標(biāo)之間的關(guān)聯(lián)，準(zhǔn)確、客觀地將計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)的運(yùn)行狀態(tài)表現(xiàn)出來。在計(jì)算機(jī)網(wǎng)絡(luò)的安全評(píng)價(jià)中，神經(jīng)網(wǎng)絡(luò)發(fā)揮著重要的作用，其較強(qiáng)的適應(yīng)性為計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)提供了保障，所以通過神經(jīng)網(wǎng)絡(luò)技術(shù)，創(chuàng)建計(jì)算機(jī)互聯(lián)網(wǎng)安全評(píng)價(jià)機(jī)制與仿真模型，從而評(píng)估計(jì)算機(jī)網(wǎng)絡(luò)安全性。

2.2評(píng)價(jià)原理