English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 71463/104422 (68%)
造訪人次 : 19148200      線上人數 : 444
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://nccur.lib.nccu.edu.tw/handle/140.119/97835


    題名: ANFIS理論應用於教師人力需求預測模式之建構
    其他題名: An Application of ANFIS to Modeling of a Forecasting System for the Demand of Teacher Human Resources
    作者: 廖宏彬 ; 蘇仲鵬 ; 吳慧敏
    關鍵詞: 適應性類神經模糊系統 ; 預測模式
    ANFIS ; Adaptive neuro-fuzzy inference systems ; Forecasting model
    日期: 2001-06
    上傳時間: 2016-06-13 10:52:51 (UTC+8)
    摘要: 本文提出以適應性類神經模糊推論系統(Adaptive Neuro-Fuzzy Inference Systems;簡稱ANFIS)建構教師人力需求的預測模式;由於ANFIS具有高效率的學習模式,與本身分散式的網路架構,特別是對於非線性模型之建立或時間數列預測模式的建構,顯得非常的有效。經由實際資料的模擬與實測,並與新近被提出的灰色預測模式相較,發覺ANFIS即使在有限的資料筆數下,不僅具有學習速度快而且預測準確度較高,其相對平均誤差值更小的優點。
    In this paper, we apply ANFIS to the modeling of a forecasting system for the demand of teacher human resources. Because of its inherent distributive architecture and the efficient learning algorithms for adapting parameters, ANFIS has been shown to be very useful in nonlinear system modeling and in time series applications. After bring tested on a set of practical data, it reveals that the learning speed of the ANFIS model is faster than that of the gray model. In addition, the average prediction error of the ANFIS model, when compared with the gray model, is greatly reduced.
    關聯: 教育與心理研究,24(上) ,1-17
    Journal of Education & Psychology
    資料類型: article
    顯示於類別:[教育與心理研究 TSSCI] 期刊論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML324檢視/開啟
    index.html0KbHTML328檢視/開啟


    在政大典藏中所有的資料項目都受到原著作權保護.


    社群 sharing

    著作權政策宣告
    1.本網站之數位內容為國立政治大學所收錄之機構典藏,無償提供學術研究與公眾教育等公益性使用,惟仍請適度,合理使用本網站之內容,以尊重著作權人之權益。商業上之利用,則請先取得著作權人之授權。
    2.本網站之製作,已盡力防止侵害著作權人之權益,如仍發現本網站之數位內容有侵害著作權人權益情事者,請權利人通知本網站維護人員(nccur@nccu.edu.tw),維護人員將立即採取移除該數位著作等補救措施。
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋