基于改进自组织神经网络的创业数据评估建模与仿真

摘要

针对传统创业数据建模方法在模型准确性、预测稳定性等方面存在的不足以及建模效率较低等问题,提出了基于改进自组织神经网络的创业数据评估建模与仿真方法。该方法通过SOFM算法对输入数据进行选择与分类,进而得到若干数据子集,再将数据子集通过Duplex算法划分成训练集、验证集和测试集。同时利用训练集建立回归分析模型,并采用验证集对模型进行优化,通过共识模型得到符合要求的结果。数据测试结果表明,相比于传统建模方法,文中方法所建立的模型准确性更高且预测稳定性更强,充分验证了所提方法应用于创业数据建模与仿真的可靠性。