[发明专利]一种食品企业诚信评价方法

权利要求书

1.一种食品企业诚信评价方法，其特征在于：其包括以下步骤：

1）数据准备，其包括：

①建立食品企业诚信评价指标体系；

②采集食品企业诚信评价指标信息数据；

③对采集的数据进行数据数值化、时间数据转换和数据归一化处理；

2）进行神经网络设计及神经网络训练以形成评价机制；

利用两个带有延迟的反馈循环隐层和一个输出层的递归神经网络结构，采用带动量和自适应变速率的梯度下降算法训练神经网络确定参数；

3）进行神经网络模拟即使用训练好的神经网络进行评分；

其用以完成对企业诚信的评价分值的估计。

2.根据权利要求1所述的食品企业诚信评价方法，其特征在于：在步骤1）③的数据的归一化处理步骤中，是将具有时间依赖的指标单独处理，将其内部项目进行一致的归一化；而其他指标，则对内部各项目分别归一化；使一个企业的所有数据使用一个在0、1之间的数值的向量来表示；其中，用x表示某一企业的n维数值向量，即x＝{x₁，x₂，…x_n}，x(k)表示第k个企业的数值向量，x(k)＝{x₁(k)，x₂(k)，…x_n(k)}。用y表示企业的m维估值分数向量，t表示m维网络目标向量，e表示m维误差向量，即e＝y-t＝{y₁-t₁，y₂-t₂，…y_m-t_m}。

3.根据权利要求2所述的食品企业诚信评价方法，其特征在于：在步骤2）中，分值估计神经网络的非线性状态空间表达式为：

y(k)＝a³(k)

a³(k)＝f₃[w³a²(k)+b³

a2(k)=f2[w2at(k)+wc2a2(k-1)+b2]]>

a1(k)=f1[w1x(k)+wc1a1(k-1)+b1]]>

aⁱ(0)＝0，i＝1，2，3

其中，k表示输入序列编号或时间步数，k=1，2，3…；x表示网络的n维输入向量，y表示网络的m维输出向量，aⁱ表示第1层神经元的sⁱ维输出向量，wⁱ表示第i层神经元的sⁱ×s^i-1维输入权值矩阵，表示第j层反馈连接的s¹×n维权值矩阵，bⁱ表示第1层神经元的sⁱ维偏置向量，fⁱ表示第1层神经元的传递函数，i＝1，2，3，j＝1，2，s⁰＝n，s³＝m；mx1；

分值估计神经网络如图2所示：

其中，x表示网络的n维输入向量，y表示网络的m维输出向量，aⁱ表示第t层神经元的sⁱ维输出向量，wⁱ表示第i层神经元的sⁱ×s^i-1维输入权值矩阵，w₀表示反馈连接的s¹×n维权值矩阵，bⁱ表示第i层神经元的sⁱ维偏置向量，fⁱ表示第i层神经元的传递函数，i=1，2，3，s⁰＝n，s³＝m；D为延迟。