目录
1 背景
2 国内外现状
2.1 国外的现状和研究
2.2 国内的现状和研究
3 人工神经网络的基本原理
4 小结
参考文献
基于BP神经网络的绍兴市财政收入预测
1 背景
近半个世纪以来，随着人工神经网络的研究不断深入，神经网络的应用也取得了很大的进展。比如在模式识别、人工智能、信息处理、预测估计、医学、经济等多方面都有着重大的应用。并成功地解决了很多现代计算机难以解决的问题。
人工神经网络可以根据所在的环境去改变它的行为。也就是说，人工神经网络可以在接受用户提交的样本集合，依照系统给定的算法，不断地修正用来确定系统行为的神经元之间连接的强度。而且在网络的基本构成确定之后，这种改变是根据其接受的样本集合自然地进行的。一般来说，用户不需要再根据所遇到的样本集合去对网络的学习算法做相应的调整。也就是说，人工神经网络具有良好的学习能力。人工神经网络是一种基于生物学的智能仿生模型，它模拟人类大脑的思维能力，通过对大量个例的不断学习、回忆、归纳、及整理，从中找到规律性的东西，是一种典型的非线性预测。在众多的人工神经网络预测模式中，BP神经网络算法是最常用的方法之一。后向传播算法在多层前馈神经系统上学习。它通过迭代地处理训练元组数据集，把每个元组的网络预测与实际已知的目标值相比较进行学习。该网络的主要特点是信号向前传递，误差反向传递。在前向传递过程中，输入信号从输入层经过隐藏层逐层处理，直至输出层。每一层的神经元状态都会影响下一层的神经元状态。输出层如果得不到期望的输出，则转入反向传播，根据预测误差调整权值和阈值，从而使BP神经网络预测输出不断逼近期望输出。
财政收入作为一个地区或国家经济指标体系中的一个核心指标，它可以用来衡量一个地区或是国家的经济发展水平。财政收入预测是根据经济和财政统计资料，对未来财政收入情况进行分析、判断和推测。正确地预测财政收入有利于政府财政预算，合理地进行安排，实现长期的财政收支平衡。也可以为相关部门和企业制定发展计划，为实施相关措施提供可靠的理论参考。
2 国内外现状
2.1 国外的现状和研究
人工神经网络是一门新兴的边缘交叉学科，起始于20世纪40年代，是人类智能研究的重要组成部分，已经成为脑科学、神经科学、认识科学、人工智能、心理学、计算机科学、信息科学、数学、物理学和分子生物学等共同关注的焦点。它模仿人脑神经系统的网络结构和某些工作机制建立了一种计算模型。人工神经网络反映了人脑功能的许多本质特征，是一个高度复杂的非线性动力学系统。如今神经网络的研究已经迈入了更加成熟的发展阶段，其中一个十分重要的标志就是越来越多的、心理学家、数学家、医学工作者以及计算机科学家联合起来，开展跨学科的研究，探讨神经网络的机理、功能及相应的模型，并且尽量与应用相结合。
1943年神经生物学家W. McCulloch[19]和数学家W. Pitts合作提出了第一个神经元模型。建立了人工神经元的数理模型，可以说是人工神经网络的开创者。因此，神经网络拉开了研究的序幕。
1958年Frank Rosenblatt[16]在MP模型的基础上提出了感知器模型，也是首次把神经网络的理论研究付诸工程实现。可以说是最早的神经网络，它具有学习能力和线性分类能力。他这成功之举激起了众多学者对人工神经网络的兴趣，Rosenblatt还提出了三层感知器这一重要研究方向。当时的神经网络模型已经包含了一些现代神经计算机的基本原理，
