動態神經網絡在圖書資源管理中的應用

［摘要］ 本文討論應用動態神經網絡建立圖書館借閱數量預測模型的方法，并結合實際圖書借閱統計數字對模型進行仿真驗證，驗證效果較好。該研究對于圖書館進行圖書流通定量定性分析，改善圖書館管理具有一定的指導和借鑒意義。

［關鍵詞］ 神經網絡； 圖書借閱數量； 預測； 訓練

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2011 . 18. 044

［中圖分類號］TP183； G251 ［文獻標識碼］A ［文章編號］1673 - 0194（2011）18- 0066- 02

０引言

在學校圖書館的管理工作中，借閱量是衡量圖書館利用水平和圖書館藏書質量的標準。通過對學校師生借閱量的監測，可以間接地反映圖書館書刊采購及為讀者服務工作中存在的問題。通過分析圖書流通量的規律有助于圖書館合理制訂采購計劃，進行資源的有效管理，合理調整人員分配［１－３］。本文基于神經網絡理論，結合山東理工職業學院師生的借閱圖書情況，建立圖書館借閱圖書的數學模型，實現對借閱圖書數量的預測，為合理采購圖書，有效進行圖書資源管理提供依據。

１ＢＰ神經網絡結構與算法

ＢＰ神經網絡是一種多層前向神經網絡，它采用誤差反向傳播（Ｂａｃｋ Ｐｒｏｐａｇａｔｉｏｎ，ＢＰ）學習算法。ＢＰ神經網絡已經在許多科學領域得到應用，也是理論上較成熟的神經網絡。

利用ＭＡＴＬＡＢ ７．８提供的神經網絡工具箱建立ＢＰ神經網絡，根據Ｋｏｌｍｏｇｏｒｏｖ（映射網絡存在）定理，選擇ＢＰ神經網絡為兩層前向神經網絡結構，神經網絡的每個神經元均有輸入輸出，輸入和輸出之間的關系可用傳遞函數來描述，神經元可以采用不同的傳遞函數。

每個神經元節點的凈輸入

ｎｅｔｉ ＝ ∑ＷｉｊＱｉｊ （１）

式中，Ｑｉｊ為上層第ｊ節點輸出；Ｗｉｊ為ｉ，ｊ節點間的連接權值。節點的輸出為：

ｚｉ ＝ ｆ（ｎｅｔｉ ＋ ｂｉ）（２）

式中，ｂｉ為節點的閾值；ｆ（．）為節點的傳遞函數。

ＢＰ學習算法可描述如下：

（１） 權值ｗ和閾值ｂ的初始化；

（２） 給定輸入Ｐ和目標輸出Ｔ；

（３） 從輸入層開始至輸出層正向計算網絡輸出Ｔ；

（４） 修正權值，從輸出層開始將誤差信號沿連接通道反向傳播，修正各連接權值，使網絡誤差最小。

Ｗｉｊ（ｋ ＋ １） ＝ Ｗｉｊ（ｋ） ＋ ｌｒζｊＴｊ（３）

式中，ｌｒ為學習參數，ζｊ為節點誤差。使用平方形誤差函數

若ｊ為隱節點，則ζｊ ＝ Ｔｊ（１ － Ｔｊ）∑ζｋＷｊｋ （５）

若ｊ為輸出節點，則ζｊ ＝ Ｔｊ（１ － Ｔｊ）（Ｔｊ － １ － Ｔｊ）（６）

式中，ｋ為ｊ節點的下一層節點。

２數據資料與仿真分析

圖書借閱情況的數據可以作為一個時間序列來進行處理，現在假定有時間序列ｘ（ｎ），序列ｘ（ｎ） ＝ ｛ｘｉ ｜ ｘｉ∈Ｒ，ｉ ＝ １，２，…，｝。通過序列ｘ（ｎ）的前Ｎ個時刻的數值，預測出第Ｍ個時刻的數值。本文采用山東理工職業學院師生２００７年3月至2011年1月共40個月（去除學生假期２月、８月）借閱數量的數據，如表１所示。采用前Ｎ個數據作為滑動窗，將其映射為Ｍ個數值，這Ｍ個數值代表在該滑動窗之后的Ｍ個數值。

應用每一年前３個月的數據作為神經網絡的輸入，第４個月的借閱量作為輸出，共分２８組，選擇前２０組訓練，后８組測試。

編寫ＭＡＴＬＡＢ程序實現預測，主程序如下：

ｒａｗＤＢ＝ｘｌｓｒｅａｄ（＇Ｄ：＼我的文檔＼ＭＡＴＬＡＢ＼ｈｃｌ１１１．ｘｌｓ＇，＇ｓｈｅｅｔ１＇，＇Ｂ３：Ｈ１２＇）

ｘ＝［ｒａｗＤＢ（：，１）＇，ｒａｗＤＢ（：，３）＇，ｒａｗＤＢ（：，５）＇，ｒａｗＤＢ（：，７）＇］

Ｘ（１，：）＝（ｘ（１，：）－ｍｉｎ（ｘ（１，：）））／（ｍａｘ（ｘ（１，：））－ｍｉｎ（ｘ（１，：））） ％歸一化處理

ｆｏｒ ｉ＝１：２８

Ｘ１（ｉ，：）＝［Ｘ（ｉ） Ｘ（ｉ＋１） Ｘ（ｉ＋２） Ｘ（ｉ＋３）］；％數據分組處理

Ｅｎｄ

ｎｅｔ＝ｎｅｗｆｆ（ｍｉｎｍａｘ（Ｘ３），［２８ １］，｛＇ ｔａｎｓｉｇ’，’ｐｕｒｅｌｉｎ＇，＇＇｝，＇ｔｒａｉｎｌｍ＇）； ％建立神經網絡，Ｘ３為網絡輸入

ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｅｐｏｃｈｓ＝２０００；

ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｇｏａｌ＝０．０００００１；％設置訓練參數

ＬＰ．ｌｒ＝０．１；

設置測試參數，可以進行學生圖書借閱數量的預測，并對該網絡進行仿真校驗，線性相關度達到０．９８５，能夠比較準確地應用先期數據來預測后期的借閱數量。

３結論

應用以往的借閱數量數據，建立神經網絡預測模型，為圖書館管理提供分析結果，有助于圖書館合理制訂采購計劃，進行資源的有效管理，合理調整圖書管理人員的工作分配。通過建立神經網絡模型，并進行仿真實驗，校驗結果表明，該模型預測效果較好。

主要參考文獻

［１］ 聞新，等． Ｍａｔｌａｂ神經網絡仿真與應用［Ｍ］． 北京：科學出版社，２００３．

［２］ 郭晶，楊章玉，等． Ｍａｔｌａｂ ６．５輔助神經網絡分析與設計［Ｍ］． 北京：電子工業出版社，２００３．

［３］ 何玉斌，李新中． 神經網絡控制技術及其應用［Ｍ］． 北京：科學出版社，２０００．