[发明专利]一种基于神经网络的汽车经销商业绩分析专家系统

摘要

本发明公开了利用BP神经网络系统的分布存储、并行处理、自学习和自组织等功能，使得决策规则可由训练数据自行提取，并可根据运行数据在监督学习下自动校准，对决策规则进行智能更新和进化，实现决策规则的进化解决专家系统中的决策规则获取难、无自动推理、人工智能水平低等一系列的问题。

主权项

1.一种基于神经网络的汽车经销商业绩分析专家系统，其特征在于：由三部分组成，一为经销商业绩分析模型处理工具，该工具代替了原有的专家系统数据库，对汽车经销商的库存、销售、车间、售后、财务等业绩分类进行了建模、数据采样、分区以及归一化处理，以便于神经网络使用；二为神经网络分类工具，该工具采用BP神经网络误差反传算法，其主要思想是把学习过程分为两个阶段:第一阶段(前向传播过程),给出输入信息通过输入层经隐含层逐层处理并计算每个单元的实际输出值；第二阶段(反向过程),若在输出层未能得到期望的输出值,则逐层递归地计算实际输出与期望输出之差值(即误差),以便根据此差值调节权值,具体些说,就是可对每一个权值计算出接收单元的误差值与发送单元的激活值的积。因为这个积和误差对权重的(负)微商成正比(又称梯度下降算法),称做权重误差微商。权重的实际改变可由权重误差微商一个模式一个模式地计算出来,即它们可以在这组模式集上进行累加。神经网络分类工具采用已归一的经销商业务模型数据作为输入，相关评价信息以每个评价内容作为输出点，如输出5种评价，则输出点可为5个，最终输出以超过阈值的输出点为准，叠加评价，可自定义隐含层的数量；第三为解释器，负责对神经网络输出信息进行解释，解释器保存了评价信息和评价关联的解决方案信息。如设置了五种评价ABCDE，设置置信阈值0.9，最终系统输出0.530.470.920.310.95，则C和E超过阈值0.9，则解释器会输出C和E的评价及相关解决方案。