查詢結果分析
來源資料
頁籤選單縮合
題 名 | 臺灣地區失業率之預測:類神經網路之應用 |
---|---|
作 者 | 施東河; 林建良; 蘇純繒; | 書刊名 | 國立雲林技術學院學報 |
卷 期 | 4 1995.06[民84.06] |
頁 次 | 頁97-103 |
分類號 | 542.71 |
關鍵詞 | 倒傳遞神經網路; 失業率; 迴歸分析; Back-propagation neural network; Unemployment rate; Regression analysis; |
語 文 | 中文(Chinese) |
中文摘要 | 本研究之目的,在利用倒傳遞神經網路來預測臺灣地區失業率。在本研究中將以 服務業佔產業結構之比率、初次尋職而失業者、對原工作不滿而失業者、工作場所歇業而失 業者、健康不良而失業者和臨時性工作結束而失業者等六個因素作為影響失業率之變數,並 以民國八十年十二月至八十二年十一月之資料作為訓練範例,民國八十二年十二月至八十三 年十一月之資料作為測試範例。為說明系統參數對輸出之影響,在本研究中將以不同之學習 速率、慣性因子和批次學習以及隱藏層神經元之個數等來作為探討之對象。最後,試著和回 歸分析所得之結果作一比較,以說明利用倒傳遞神經網路來預測失業率將得到較好的結果。 |
英文摘要 | Unemployment rate prediction in Taiwan was proposed by using back-propagation neural networks. In this study, share of service industries, unemployed first-time job seekers, job dissatisfaction, terminations of positions, health-related causes and termination of temporary jobs were considered as input parameters. Learning rate, momentum factor, batch learning and node number were also considered. By training this network in certain time, this network shows very good result in testing examples. Comparing with the other, back-propagation neural network can achived a better prediction than linear regression analysis. |
本系統中英文摘要資訊取自各篇刊載內容。