¿Cómo utilizar la red neuronal de BP para predecir contenido relacionado con la logística?

En cuanto a la fuente de datos de muestra, sería mejor si hubiera datos públicos en Internet. De lo contrario, es posible que tengas que depender de las conexiones para obtenerlos.

Como estudiante de logística, debes tener una idea más clara de qué aspectos específicos predecir. De hecho, siempre que los datos tengan regularidad, se pueden hacer predicciones.

Se adjunta un ejemplo de predicción, programación en matlab, como referencia.

La red neuronal BP (Back Propagation) fue propuesta en 1986 por un grupo de científicos liderados por Rumelhart y McCelland. Es una red feedforward multicapa entrenada según el algoritmo de retropropagación de errores. Uno de los modelos de redes neuronales más extendidos. La red BP puede aprender y almacenar una gran cantidad de relaciones de mapeo de patrones de entrada-salida sin revelar de antemano la fórmula matemática que describe esta relación de mapeo. Su regla de aprendizaje es utilizar el método de descenso más rápido y ajustar continuamente los pesos y umbrales de la red mediante retropropagación para minimizar la suma de errores cuadrados de la red. La topología del modelo de red neuronal BP incluye una capa de entrada (capa de entrada), una capa oculta (capa oculta) y una capa de salida (capa de salida).