反向传播神经网络基本原理范文第1篇

关键词：BP 神经网络 解析 理论

中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2016）09（a）-0090-03

因为具有非常强的非线性，人们在学习BP神经网络时，往往会忽略它的动力学机制和数学运算细节，而只关注于调用相关函数，盲目地用于解决一些实际问题。这个问题成为了阻碍神经网络理论发展和应用的关键所在。该文将从基本理论、算法步骤、梯度下降算法的实现、BP神经网络的解析算例4个方面进行论述。这有助于从事人工智能算法研究或希望应用神经网络算法解决实际问题的初学者，更准确和更全面地理解神经网络理论。

1 基本理论

神经网络是一种非常重要的人工智能算法[1]。BP神经网络是最常用的神经网络算法，是误差反向传播（Error Back Propagation）神经网络的简称，是一种按误差逆传播算法训练的多层前馈网络[2，3]。

BP算法的基本思想是训练过程由信号的正向传播和反向传播两个过程组成的。当信号正向传播时，输入样本从输入层传入，经隐层逐步处理后，传向输出层。如果在输出层中实际输出值与期望输出值不符，则转入误差的方向传播过程，并依此往复。

误差的反向传播是将误差输出给隐层，再向输入层反传。在整个反传过程中，误差分摊到各层的所有单元，从而得到各层单元的误差信号，并以此作为修正各单元权值的依据。权值不断修正的过程，也就是网络接受学习和训练的过程，当神经网络的输出误差减小到某个可接受的程度，或进行到预先规定好的学习次数时，整个计算过程终止。

2 BP神经网络的算法步骤

（1）神经网络参数的初始化：给各连接权值分别赋一个区间（-1，1）内的随机数，设定误差函数的数学表达式E，给定计算精度和最大学习次数M；

（2）随机选取第k个输入样本及对应的期望输出：

（3）计算隐层各神经元的输入和输出；

（4）计算输出层个神经元的输出（神经网络的总输出）；

（5）利用神经网络期望输出和实际输出，计算误差函数对输出层的各神经元输出误差的偏导数

（6）利用神经网络输出值关于隐层到输出层的连接权值的偏导数；

（7）同理，求得网络输出误差关于输入层与隐层权值的偏导数；

（8）利用和来修正两种连接权Tki和；

（9）计算全局误差E，并判断网络误差是否满足精度要求。当误差达到预设精度或学习次数大于设定的最大迭代次数，则结束程序；否则，返回第（3）步，选择下一个学习样本及对应的期望输出，进入下一轮学习。

3 梯度下降算法的实现

结合梯度下降算法[4]的实现过程，我们以BP神经网络为例，详细介绍神经网络的原理和实现过程。

对于一个n维值函数而言，若采用梯度下降算法计算其极小值，需要选择一个初始点，如果该点对应的非极小值，则必须对进行修正，并得到。

重复上述过程，在计算得到（x2，y2），直到第n步。当或时，结束循环，并输出（xn，yn）。

极小值点的计算精度由η的取值决定。

4 BP神经网络算法的解析算例

对于BP神经网络而言，其实现过程与极小值问题的梯度下降算法的本质是一致的，区别之处只在于对初始点坐标的调整^程。在梯度下降算法中，初始点的调整是正向的，即由初始点坐标决定调整方向（该点处的负梯度方向）；在BP神经网络中，初始点（初始权值）的调整是反向的，即由误差函数关于各权变量的导数，对权值进行调整。

再举一个关于BP神经网络的简单例子，给定神经网络的拓扑结构图如图1所示，其中，输入层具有两个神经元A和B，隐层具有两个神经元C和D；输入样本为A=0.3，B=0.6，初始权值为：AC=0.1，BC=0.8，AD=0.5，BD=0.4，CE=0.4，DE=0.6。

可见，经调整的权值可以用输出的全局误差减小，往复这个迭代过程，我们将得到最佳的权值。

参考文献

[1] 李成.神经网络系统理论[M].西安电子科技大学出版社，1990.

[2] 戚德虎.BP神经网络的设计[J].计算机工程与设计，1998，19（2）：48-50.

反向传播神经网络基本原理范文第2篇

（①昆明理工大学国土资源与工程学院，昆明 650093；②黄河勘测规划设计有限公司，郑州 450003）

（①Faculty of Land Resource Engineering，Kunming University of science and Technology，Kunming 650093，China；

②The Yellow River Survey Planning and Design Co.，Ltd.，Zhengzhou 450003，China）

摘要： 随着神经网络理论的深入研究，神经网络已在图像的分类中起到非常重要的地位。本文章使用IDL语言来实现神经网络在权值调整过程算法优化，并在ENVI上集成，已达到神经网络分类速度快，且精度可靠的目的。

Abstract： With the deep research in the theory of neural network, neural network has played a very important role in the classification of the image. This article uses the IDL language to implement the algorithm to optimize the weights of neural network to the adjustment process, and on the ENVI integration, has reached the neural network classification speed, precision and reliable.

关键词 ： 神经网络；图像分类；ENVI；IDL；集成；精度

Key words： neural network；image classification；ENVI；IDL；integration；precision

中图分类号：P237 文献标识码：A

文章编号：1006-4311（2015）06-0234-02

0 引言

ENVI是一套功能强大的遥感图像处理软件，在ENVI上进行遥感图像分类中有很多方法，如神经网络、最大似然、最小距离、 ISODATA算法、决策树和面向对象等分类方法，神经网络在分类时比其它分类所花费时间要长，且速度很慢，因为从算法机理可知神经网络在权值调整时是迭代收敛的过程，其分类过程自然很慢。针对此问题，决定使用IDL语言来编程优化算法。

1 IDL的语言环境

IDL（Interactive Data Language）是美国RSI公司推出的面向矩阵的第四代计算机语言，它语法简单，自带大量的功能函数，使用很少的代码就能实现其它语言很难实现的功能。IDL是进行数据分析、可视化及跨平台应用开发的最佳选择，利用IDL可以快速地进行科学数据读写、图像处理、集成数学统计、信号分析、数值计算和三维图像建模等。IDL集可视、交互分析、大型商业开发为一体，为您提供了最完善、最灵活最有效的开发环境。

IDL的开发应用已经深入到了人类日常生活的方方面面，给人类对未知领域的探索与发现提供了强有力的工具，推动了人类向前发展。对IDL的语言环境熟悉之后，紧接着就开始针对目前存在的基于神经网络的遥感图像分类问题进行改进，并结合ENVI软件，使用IDL语言设计出改进后的优化算法。

2 ENVI中基于神经网络分类的剖析

ENVI中采用的神经网络属于BP网络，含有输入层、输出层以及处于输入输出层之间的隐含层，如果进行非线性分类，输入的区域并非线性分类或需要两个超平面才能区分类别时候，隐层数设置为大于或等于一。隐含层的状态影响输入与输出之间的关系，改变隐含层的权系数，可以改变整个多层神经网络的性能。

ENVI中采用的BP神经网络通过误差函数的最小化过程来完成输入到输出的映射。为了完成最小化过程，这种BP反向传播算法分正向传播和反向传播两步进行。在正向传播中，输入的样本从输入层经过隐单元一层一层进行处理，通过所有的隐含层之后，则传向输出层；在逐层处理的过程中，每一层神经元的状态只对下一层神经元的状态产生影响；在输出层把现行输出和期望输出进行比较,如果现行输出不等于期望输出，则进入反向传播过程。在反向传播过程中，反向传播把误差信号按原来正向传播的通路反向传回，反复修改（这是个迭代的过程）各节点的权重和阈值，逐渐减小误差，直到达到预先设定的要求。当误差小于某一相当小的正数或迭代误差不再减少时，完成BP网络的训练、输入与输出的映射的确定。

我们的落脚点是在BP网络的反向传播过程中网络各节点权值的迭代调整，但是该网络在此方面存在缺陷，就是迭代时间长，尤其对处理大数据，需要花费很长时间才能达到收敛。针对BP网络中学习算法收敛速度慢的缺点，运用数学中埃特金加速收敛算法，对传统的BP算法进行改进，然后使用IDL语言进行汇编，最后在ENVI上进行功能的扩展，已达到适用的生产目的。

3 编写迭代函数

为了能在ENVI菜单上调用埃特金迭代收敛函数，需要在ENVI菜单中创建一个新的菜单项，并定义一个此用户函数。这个用户函数可以通过在ENVI菜单中选择这个新的菜单项来进行调用。具体工程如下：

①在现有的ENVI菜单基础上创建新的功能菜单，首先用文本编辑器打开envi.men文件，添加如下部分：

PRO MY_PROCESS_DEFINE_BUTTONS, buttonInfo

COMPILE_OPT IDL2

ENVI_DEFINE_MENU_BUTTON, buttonInfo, VALUE = ‘New Function’, $

/MENU, REF_VALUE = ‘Supervised’, REF_INDEX = 0, $

POSITION = ‘last’

ENVI_DEFINE_MENU_BUTTON, buttonInfo, VALUE = ‘Function1’, $

UVALUE = ‘Function 1’, EVENT_PRO = ‘my_process_event’, $

REF_VALUE = ‘New Function’

END

如果ENVI已经打开，需要关闭并重新启动ENVI,然后在ENVI主菜单上，会看到Classification菜单下的Supervised的子菜单内增加了新的菜单“New Function”。

②编写迭代函数。在运行ENVI的IDL开发环境中，迭代功能函数的部分代码如下：

ENVI_NEURAL_NET_DOIT

FUNCTION bm_func,X,[X0，X1……Xn]

nx=Xn,

t = FINDGEN(nx-X)

… … … … …

4 实验过程与精度评定

本实验主要运用ENVI4.8版本图像处理软件进行图像分类，使用的数据是网上下载的经过数据预处理后的Landsat5 TM研究区影像。调用迭代函数开始进行基于神经网络的遥感图像分类，其分类时间所反映的进度条如图1所示，以及最终的迭代均方根训练函数如图2所示。

在神经网络分类结束后，所花费时间很短，分类速度很快，具体的分类结果图如图3所示。对调用迭代函数的神经网络分类结果进行精度分析，使用混淆矩阵，具体报表如图4所示。从混淆矩阵报表可知，总体分类精度为94.2374%，其Kappa系数为0.9272，分类效果很好，精度很高，满足要求。

5 结束语

ENVI上调用迭代函数的神经网络总体上比原来的神经网络分类要优越，其鲜明的特色就是分类速度快，精度也高。这大大提速原有的神经网络分类速度，尤其在处理大数据优越明显。但是ENVI上仍存在神经网络分类单一化现象，怎样使其减少人为的干预，使其更智能化是今后的研究趋势。

参考文献：

[1]董彦卿.IDL程序设计—数据可视化与ENVI二次开发[M].北京：高等教育出版社，2012.

反向传播神经网络基本原理范文第3篇

关键词：神经网络技术，ANNBP网络算法

 

1、人工神经网络概述

人工神经网络是模拟生物神经信息处理方法的新型计算机系统，它可以模拟人脑的一些基本特征，（如自适应性，自组织性和容错性），是一个并行、分布处理结构,它由处理单元及其称为联接的无向信号通道互连而成。

人工神经网络力图模仿生物神经系统，通过接受外部输入的刺激，不断获得并积累知识，进而具有一定的判断预测能力。尽管神经网络模型的种类很多，但基本模式都是由大量简单的计算单元（又称为节点或神经元）广泛相互连接而构成的一种并行分布处理网络。。基于神经信息传输的原理，各个节点通过可变的权值彼此相连接，每个节点对N个加权的输入求和，当求和值超过某个阈值时，节点呈“兴奋”状态，有信号输出。节点的特征由其阈值、非线性函数的类型所决定，而整个神经网络则由网络拓扑、节点特征以及对其进行训练所使用的规则所决定。

2、多层前向网络

神经网络按拓扑结构分为前馈型网络和反馈型网络。前馈型网络在结构上采用的是其信息只能从前一层到它下面一层的单元，在网络运算过程中不存在任何反馈。从学习观点看，前馈网络是一种强有力的学习系统，其结构简单,易于编程；从系统观点看，前馈网络是非线性映射，通过简单非线性处理单元的复合映射可获得复杂的非线性处理能力，因此具有较强的分类能力和模式识别能力。

反向传播（BP）网络是典型的前馈型网络，结构上它属于多层前向网络,它的结构如图1所示。它分为输入层、隐含层和输出层，层与层之间多采用全互连方式，同一层之间不存在相互连接。网络中每一层权值都可通过学习来调节,且网络的基本处理单元（输入单元除外）为非线性输入、输出关系，处理单元的输入、输出值可连续变化。由于BP网络可在多个连续的输入和一个或多个连续的输出之间建立非线性映射这一特性，它常被用于智能预测。

多层前向网络是使用最广泛的一种网络结构，它可很好的解决XOR等经典的非线性问题，比起单层的感知器有很大的优越性，尤其80年代中期，Rumelhart和Mcclelland最先提出了多层前馈网络的反向传播学习算法，简称BP算法，它的效率很高，是目前应用最为普遍的训练算法，这使得多层前馈网络应用更加广泛。应该指出，我们常说的BP网络，严格说是基于BP算法的多层前向网络。

图 1 BP网络结构图

4、 BP网络算法

BP网络算法的思想是把一组样本的I/O问题变为一个非线性优化问题，使用了优化中最普通的梯度下降法,用迭代运算求解权对应于学习记忆问题，加入隐含层节点使优化问题的可调参数增加，从而可得到更精确的解。BP网络模型设计的最大特点是网络权值是通过使用网络模型输出值与已知的样本值之间的误差平方和达到期望值而不断调整出来的，并且确定BP神经网络评价模型时涉及隐含层节点数、转移函数、学习参数和网络模型的最后选定等问题。下面简单介绍一下基本BP算法相关数学描述：

(1)梯度下降算法

(2)S(Sigmoid)型函数

BP网络的激活函数经常使用的是Sigmoid对数或正切激活函数和线性函数。对数S型函数 f(x)=1/(1+exp(-x)), Sigmoid 函数具有非线性放大功能，它可以把输入从负无穷大到正无穷大的信号，变换成-1到1之间的输出，对较大的输入信号，放大系数较小，而较小的输入，放大系数较大，所以采用S型激活函数可以去逼近非线性的输入/输出关系。

(3)BP算法

BP网络学习是典型的有导师学习，其学习算法是对简单的学习规则的推广和发展。BP网络实现了多层网络学习的设想，其学习过程包括正向传播和反向传播两部分。。

在正向传播过程中，给定网络的一个输入模式时，输入信息从输入层经过隐含层逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态，由输出层单元产生一个输出模式，这是一个逐层状态更新过程，称为前向传播。。如果输出响应与期望输出的模式误差值不满足要求，那么就转入误差反向传播，将误差值沿连接通路逐层传送并修正各层连接权值。对于给定的一组样本，不断用一个个训练模式进行学习，重复前向传播和误差反向传播过程，当各个训练模式都满足要求时，BP网络训练完毕。

其中的激发函数我们采用S型函数， 即f(x)=1/(1+exp(-x))。BP算法描述如下：

（2）提供训练样本：输入矢量Xk ,k=1,2,..n 和期望输出tk, k=1,2,…,m；对每个输入样本进行（3）到（5）的迭代。

（3）计算网络的实际输出okj 。

（4）分别计算输出层和隐含层的训练误差

其中(4-2)为输出层的误差值, (4-3)为隐含层的误差值。

（5）修正权值和阈值

（6）判断实际误差指标是否满足规定误差的要求,满足则到(7)。

（7）结束 。

BP算法是人工神经网络中最为重要的网络之一, 也是迄今为止应用最为广泛的网络算法, 实践证明这种基于误差反传递算法可以解决许多实际问题, 但其算法自身也存在着局部极小点、算法的收敛速度慢等缺陷，需要我们在今后的研究中不断完善改进。

反向传播神经网络基本原理范文第4篇

【关键词】BP神经网络；电网物资；需求预测

电网在电力系统中是联系发电设备和用电设施的载体，它主要是由送电线路、变电所、配电所以及配电线路等环节组成。近几年来，随着我国国民经济的持续增长，我国的电力事业得到了飞速发展，电网电压等级不断提高，网络规模不断扩大，电网物资作为影响电网建设至关重要的因素，其管理工作也显得越来越重要。需求预测的开展，能够有效提高电力物资的保障能力，同时也能为长期的物资规划提供数据支持，因此，电网建设项目物资需求预测研究有着重要意义和价值。

物资需求预测的主要预测方法包括：基于时间序列的移动平均法[1]、指数平滑法[2]、结合备件物资的特性提出的Croston法[3]以及用于预测需求不服从任何分布情况下的间歇性物资需求Bayesian法[4]等，这些方法都只能依靠物资本身需求数据来进行拟合预测，对于需求波动较大的物资预测精度较低。将人工神经网络方法引入需求预测成为一个新的研究趋势[5，6]。

关于电网物资的需求预测，现有的研究集中于电力库存物资的需求预测方面[7，8]。而目前电网企业的项目物资需求计划管理主要采用的是提前储备物资信息，工程、物资协同管理的模式[9]，至于电网建设项目物资的需求预测研究，还尚未开展。其主要原因是缺乏主要的数据支持，国家电网公司的企业资源计划（ERP）系统于2010年全面正式上线，为电网建设物资的需求预测提供了一个难得的数据平台，也为物资需求预测提供初步的数据支撑。同时，电网建设项目物资的标准化建设也为需求预测的开展提供了可能。基于此，本文依据电网建设项目里程碑计划中的指标如电压等级、线路长度、变电容量等，提出基于BP神经网络的电网建设项目物资需求预测模型，并通过实例数据测试模型性能。

1.电网建设项目物资需求特点分析

电网建设项目具有投资额大，建设周期长，受环境影响大的特点，每个项目的工程规模、启动时间、紧急程度均不同，这给项目物资管理造成了一定的难度。同时，不同地域、不同电压等级的电网工程所需的物资有着相当大的差异性，仅仅依靠物资的历年数据进行递推预测是不可靠的。不同的计划期（年，季，月）内的物资需求量之间没有必然的联系，因此需要通过影响因素来判断物资的需求。BP神经网络是一种能学习和存贮大量的输入-输出模式映射关系的方法，它无需事前揭示或描述这种映射关系，因而适合解决诸如电网建设项目物资需求预测这类因果关系复杂的非确定性问题。

2.BP神经网络预测模型构建

BP神经网络是一种多层前馈网络，它主要是通过误差逆向传播算法来进行训练的。BP神经网络的学习算法是最速下降法，它通过反向传播来不停调整网络的权值和阈值，从而达到减小误差至最优的目的。

2.1 BP神经网络模型结构

BP神经网络是典型的多层结构网络，本文主要应用BP神经网络算法构建单隐层网络（又称三层前馈网或三层感知器），所谓的三层网络主要是由输入层、隐含层以及输出层组成，具体结构如图1所示。输入层、隐含层以及输出层各层均由大量神经元组成，且层与层以权值连接，但同层之间不允许传递信号，各层神经元只能向高层输出激活信号。

2.2 BP神经网络学习算法

BP神经网络是典型的有导师学习算法，其学习过程主要分为正向传播和反向传播两种。正向传播是用来计算前向网络的，其将输入信号通过隐含层传递至输出层，经网络计算出输出结果。在神经网络正向传播过程中，网络的权值固定不变，同层神经元之间不能互相影响，同时，如果输出层所得结果误差超过期望值，则进入反向传播阶段；BP神经网络的反向传播实际指的是误差的反向传播，其将误差信号（即输出结果与期望结果的差值）逐层逆向反馈，通过修改神经元的连接权值和阈值，来使正向传播所得输出结果能更加接近期望输出。下图2为BP神经网络学习算法图。

2.3 BP神经网络算法步骤

2.4 电网建设项目物资需求预测模型构建

本文以某省电力公司电磁式电流互感器的历史需求数据为样本，从ERP系统中调取59个已建项目的需求数据，从中筛选出电磁式电流互感器的需求量，从而运用MATLAB中的BP神经网络模型和软件编程功能进行预测分析，模型参数设定为：

（1）输入层神经元数目设为3，分别为变电容量、线路长度和工程类型。其中，“变电容量”是指项目所建电网变电站的主变压器的容量，其主要反映变压器输送电能的能力，这个容量就决定了线路的负载能够有多大；线路长度是指项目所建电网的线路里程；工程类型则是作为一个名义变量，定义为三个类别：新建项目、改建项目以及扩建项目，同时将其分别以数字1、2、3代替进行演算分析。

（2）隐含层神经元数目由Try Error Try法不断调试直至找出最优值为止，初始值参考上式（1）设为7。

（3）输出层神经元数目设为1，为电网物资预测数量。

构建BP神经网络模型时，模型隐藏层选用S 形曲线传递函数，输出层采用线性传递函数。将样本数据随机分为三组，70%样本用于训练网络，采用 Levenberg- Marquardt运算法则作为训练法则；15%样本进行网络泛化能力的检测，当泛化能力不再提高时终止网络训练；剩下的15%样本用于测试网络的性能。若网络训练结果误差过大，则再次训练网络，或调整隐藏层神经元个数，反复训练网络，直到获得最佳结果为止，保存并输出。

3.预测效果分析

采用BP算法训练网络时，设定显示间隔次数为25，最大循环次数为3000，目标误差为1×10-3，初始学习速率为0.5，学习速率增加的比率为1.2，学习速率减小的比率为0.7，动量常数为0.8，最大误差比率为0.6。将归一化后的学习样本依次输入BP网络，按上述BP学习算法的步骤反复训练，结果见图3。

从图3可以看出，电磁式电流互感器预测的最大绝对误差为2台，且主要分布于需求较少的项目中，对于需求较多的项目，预测值基本与实际值重合，精度较高，表明BP神经网络预测能够进行有效预测。

由于ERP系统应用尚未普及，目前可获取的项目数据还不够完善（样本数据皆来自省电力公司ERP系统），本文主要选取的是在电网工程中运用最为普遍的物资——电磁式电流互感器，因此数据量还较为丰富，也取得了较为满意的预测效果。同时，诸如钢绞线、接续金具、耐张线夹、T型线夹、悬垂线夹、联结金具等物资由于应用较为广泛，可用的项目样本也足够多，因此通过构建BP神经网络进行物资预测也取得了较好的预测效果。

随着电网建设的不断发展以及ERP系统的深入应用，未来可用的项目样本将越来越多，而样本集越丰富，建模所取得效果则越优。尽管BP神经网络建模所预测到的电网建设项目物资需求量不一定是最优值，但预测精度有了很大的提高。BP神经网络通过网络训练，将原本很复杂的预测模型简化，同时不断扩充新样本，以适应不断变化的环境，实现了对电网建设项目物资的动态预测。

4.结论

运用BP神经网络预测方法能很好地处理较为复杂的问题，约束条件也远远少于传统的预测模型，同时，BP人工神经网络具有学习性和时变性的特点，能够有效地实现动态建模与分析，从而有效地实现了电网物资需求预测。然而人工神经网络技术是一种数据挖掘技术，如何获取和整理历史数据至关重要，因此，在实际中应深入应用电力公司的ERP 系统，尽早完善电网需求物资数据库，为BP神经网络预测模型构建提供数据支持。

参考文献：

[1]Siddique F，Choudhary M.A..Decision Support System for Optimizing Spare Parts Forecasting for Training Aircrafts Source：Recent Advances in Applied Mathematics[J]. Proceedings of the 14th WSEAS International Conference on Applied Mathematics， vol.， no.，pp： 34-41，2009.

[2]Moon Seongmin，Hicks Christian， Simpson.The development of a hierarchical forecasting method for predicting spare parts demand in the South Korean Navy- A case study Andrew[J].International Journal of Production Economics， vol.140， no.2，pp：794-802， December 2012.

[3]Heinecke G.，Syntetos A.A.，Wang W..Forecasting- based SKU classification[J]. International Journal of Production Economics，2011.

[4]Kamath K Rajashree，T P M Pakkala.A Bayesian approach to dynamic in ventory model under an unknown demand distribution[J].Computers& Operations Reseach，2002.

[5]Amin-Naseri M.R.，Tabar B.R..Neural network approach to lumpy demand forecasting for spare parts in process industries[J].Computer and Communication Engineering，vol.， no.，pp：1378-1382， 13-15，May 2008.

[6]张冬，明新国，赵成雷等.基于BP神经网络和设备特性的工业设备备件需求预测[J].机械设计与研究，2010，26（1）：72-76.

[7]孙怀富.基于电子商务平台的电力物资决策管理研究[D].北京：北京工业大学，2006.

[8]王志勇.大唐集团托克托发电厂物资管理研究[D].北京：华北电力大学，2010.

[9]邬斌弢，张玉鑫.基于双向协同的物资需求计划管理在电网工程中的应用研究[J].华东电力，2012，40（5）：0913-0914.

基金项目：国家电网公司科技资助项目（豫电WZBKJ[2011]342号）。

作者简介：

宋斌（1968-），男，河南开封人，高级工程师，河南省电力公司物资部计划合同处处长，主要从事电力物资合同管理和供应链管理等研究。

宋秉虎（1970-），男，甘肃白银人，高级工程师，研究方向：电力物资管理，供应链管理。

反向传播神经网络基本原理范文第5篇

[关键词] 网络思潮；意识形态；有理原则；有利原则；有节原则

[中图分类号] D64[文献标识码] A[文章编号] 1008―1763（2016）02―0138―05

Abstract：In the diversified and complex environment of network ideological trend， it is crucial for Internet ideological and political education to achieve unified domination and coexistence of multiplicity， lead the ideological and political education under Marxist Ideology， and adhere to the scientific guidance and problematic orientation. Most importantly， apply for the rule rational， beneficial， and restraint.

Key words：Network ideological trend； ideological and political education； rational principle； beneficial principle； restraint principle

随着网络时代的产生和发展，网络思潮日益多元化，意识形态的碰撞和冲突也相当激烈，在多元的意识形态中有“主流”与“非主流”之分，马克思主义意识形态是当代中国的主流意识形态，是执政党坚持的占统治地位的意识形态，正如“统治阶级的思想在每一时代都是占统治地位的思想”[1]；那么，如何正确引导网络思潮意识形态，实现多元化发展与一元主导相结合，是党和国家有识之士亟需解决的重要问题。谈及引导工作，有三个问题必须重点认识和把握：“谁来引导”、“引导谁”、“如何引导”，然而，贯穿这些问题始终的，关系引导工作能否实现针对性和有效性，彰显吸引力和感染力，合理法则的运用至关重要。

一 坚持科学指导与问题导向兼容并重

（一）前提：科学指导

“科学指导”是前提，是保证网络思潮意识形态引导工作方向性的重要手段。在全球化和新媒体时代，网络信息来源纷繁复杂，在信息洪流中各种网络思潮犹如泥沙俱下，这无疑给党和国家意识形态引导工作造成了极大的障碍，也严重威胁着我国网络信息安全。我国网络思潮意识形态引导工作一个重要目的就在于，用体现时展诉求、符合中国特色社会主义发展方向、承载中华优秀文化、彰显以人为本价值追求的主流意识形态引领多元化网络思潮。毋庸置疑，这引领者的归属必须是具有社会主义性质的马克思主义意识形态。马克思主义意识形态既是主流又是主导，其中的必然性和必要性，不仅仅来源于它牢固的哲学基础、它创立的科学社会主义理论和政治经济学理论的本质所赋予的理论生命力，更来源于中国实际发展成就所彰显的实践说服力。这就要求我们始终坚持马克思主义在网络思潮意识形态领域的主导地位。全面理解和把握马克思主义意识形态理论与当代中国实践研究，积极探索和把握意识形态引导的规律和方法，正确处理和解决网络思潮中意识形态领域的矛盾，这对于巩固马克思主义在意识形态领域的主导地位，掌握党对意识形态工作的领导权和话语权，提高党引导意识形态工作的能力，具有十分重要的现实意义。

党的十以来，针对意识形态工作发表了一系列重要讲话，提出了许多新思想新观点新论断，对做好新时期我国意识形态引导工作作出了重要指示，提出了具体要求。正如，书记曾谈到，“意识形态工作是党的一项极端重要的工作。宣传思想工作就是要巩固马克思主义在意识形态领域的指导地位，巩固全党全国人民团结奋斗的共同思想基础。……要加强社会主义核心价值体系建设，积极培育和践行社会主义核心价值观，全面提高公民道德素质，培育知荣辱、讲正气、作奉献、促和谐的良好风尚。”[2]社会主义核心体系是社会主义意识形态的本质和体现，马克思主义是社会主义核心价值体系的基础和灵魂。可见，坚持马克思主义在意识形态领域的主导地位，就是抓住了宣传思想工作的命脉，就是抓住了网络思潮意识形态引导工作的核心和主线。

（二）关键：问题导向

“问题导向”是关键，是解决网络思潮意识形态引导工作针对性和有效性、吸引力和感染力的重要手段。马克思曾说，“问题就是公开的、无畏的、左右一切个人的时代声音。问题就是时代的口号，是它表现自己精神状态的最实际的呼声。”[3]互联网时代对人类的深刻变革不仅是一场技术变革，更是一场社会变革。然而，技术是中性的，人性社会却有善有恶，互联网的能量同样让人性恶的一面破坏力放大，很多小问题变成大问题，简单问题变成复杂问题，可以说，现在我们面临的意识形态交锋、舆论斗争、、意识形态安全等意识形态领域的诸多突出问题和矛盾在很大程度上都是因“网”而生、因“网”而兴、因“网”而增。

在全球化和信息化进程中，西方发达国家企图凭借自身经济发展优势和科技实力，输出其文化思想意识，掌握意识形态领域的主动权。西方敌对势力公然打着民族、宗教、人权的幌子，叫嚣“普世价值”、“中国”、“中国崩溃论”、“中国模式”等，通过网络新媒体等各种传播途径，企图对我国意识形态进行遏制，这给人们的思想观念、生活方式和价值体系带来了严峻挑战。互联网更成为了青年网民跨越地域随时随地联系互动、讨论问题、并对西方国家借机炒作的诸多热点问题频频发声的主要平台。正如，读书要以问题为中心把握作者的生命和思想。我们要想读懂网络思潮意识形态这本书同样要以问题为中心。近年来，就互联网问题发表过许多重要论述，很多新观点、新论断、新要求，都紧扣了意识形态领域最核心最迫切的问题，都切中了网络思潮意识形态矛盾和问题的焦点。2013年8月，在全国宣传思想工作会议上指出：“要加强网络社会管理，确保互联网可管可控，是我们的网络空间晴朗起来；要充分运用新技术新应用创新媒体传播方式，占领信息传播制高点。”[4]2015年12月16日，在第二届世界互联网大会的主旨演讲中再次强调，“要加强网络伦理、网络文明建设，发挥道德教化引导作用，用人类文明优秀成果滋养网络空、修复网络生态。”[5]这些都是对网络意识形态领域强劲声音最深刻最有力的应答。

二 坚持“有理引导、有利引导、

有节引导”交织共存

网络意识形态战场早已是没有硝烟却竞争激烈的新型战场。要想在战场上取得主动权，赢得话语权，合理的作战原则必不可少。曾经在《目前抗日统一战线中的策略问题》中提出了“有理、有利、有节”的作战原则，然而，随着时代的变迁和发展，赋予了这一思想法则新的时代内涵和意蕴。“有理”，“理”即为理论基础，意指网络思潮意识形态的引导工作要建立在科学的理论基础之上；“有利”，“利”即益处，意指网络思潮意识形态的引导工作要始终有益于网络社会政治、经济、文化、社会生活的和谐发展；“有节”，“节”即为度，意指网络思潮意识形态的引导工作要有度，要把握分寸，要“有所为、有所不为”。“有理”是基础，“有利”是目标，“有节”是保障，三者交织共存，缺一不可。

（一）基础：导之有理

“有理”原则是网络思潮意识形态引导工作的基础。理论基础犹如网络思潮意识形态引导体系的基石，从根本上制约着引导体系的广度、深度和维度，制约着对引导的内容、原则和方法的理解，确保着引导的方向性和可行性。

1.网络思潮意识形态引导工作的哲学基础。马克思主义哲学相关理论在人文社科理论研究中的深度地位和在实践指导中的导向作用，既为我们提供世界观、方法论的指导，也是我们辩证思考虚实关系、人机互动模式、主客体交叉融合的重要手段和方法。其中，唯物论、辩证法、认识论、人学理论、意识形态相关理论共同支撑起网络思潮意识形态引导工作的哲学基础。其中，思维和存在的关系问题作为哲学的基本问题，为研究引导工作中网民思想行为的形成过程，揭示其思想变化规律，取得其思想认同，培养其正确的行为方式提供了方法论的指导和现实的途径。事物内部联系原理启示我们，必须搞清网络思潮意识形态引导体系的构建需要哪些要素及这些要素之间是如何相互联系的。事物外部联系原理启示我们，网络思潮意识形态引导体系的构建单靠某一学科以及实践活动是无法完成的，传统思想政治教育相关原理及方法以及网络衍生学科相关原理和方法都为网络思潮意识形态引导工作的研究提供了借鉴和参考；网络思潮意识形态引导工作的研究是一个漫长的发展历程，我们必须始终坚持用不断变化发展的实践活动来检验和完善引导体系，并根据新特点、新矛盾、新问题适时调整和优化引导体系，从而推动网络思潮意识形态引导体系由不成熟到成熟，由不完善到完善的辩证发展。

2.网络思潮意识形态引导工作的直接理据。网络思潮意识形态工作是传统意识形态工作的延伸和发展，网络思潮意识形态工作合理法则的探究也必须要建立在传统意识形态引导工作相关原则的基础上。（1）方向性原则。网络思潮意识形态引导工作的方向性是由意识形态的阶级性所决定的；任何一个阶级社会都要求按照本阶级的根本利益确定思想宣传工作的目标和方向；我们必须坚持社会主义、集体主义的价值取向，坚持马克思主义思想的指导地位，批判和抵制各种错误思潮，我们将其概括为党性原则；这是我国网络思潮意识形态引导工作必须坚持的最根本原则，也是与资本主义、封建主义的意识形态引导工作的根本区别。（2）服务性原则。网络思潮意识形态引导工作始终是做人的工作，就是培育人的工作，旨在培育政治导向正确、思想品行健康的网络人，这就是网络思潮意识形态引导工作服务性原则的体现，这不仅仅是开展网络思潮意识形态引导工作的出发点，也是发挥网络思潮意识形态引导功能的依归。（3）理论联系实际原则。即要运用掌握的科学理论客观分析实际情况，并仔细探究个中规律及本质，用以指导实践活动，并根据实践反馈不断激发理论创造力。具体来讲，引导主体紧密结合社会现实和引导受众的实际状况，回答受众关心的实际问题，解决受众的实际困难，引发受众的内心共鸣，增强其对引导内容的接受度和认同度；受众通过社会实践提高其网络思想修养并外化为行为，最终实现网络思潮意识形态引导的育人目标。只有坚持理论联系实际的原则，才能使网络思潮意识形态引导工作做到有的放矢，推动引导工作实质性的发展。

3.网络思潮意识形态引导工作的学科借鉴。对网络思潮意识形态引导对象的深层次剖析和归纳，除了依靠科学的指导理论，还必须从网络相关学科的理论中吸收营养，侧重对网络传播学、网络心理学、网络政治学、网络社会学、信息管理学等学科相关理论进行探索。网络传播学、网络心理学、网络社会学等都是时代与技术共同发展的产物，都是网络和相关传统学科相结合而发展起来的衍生内容，这是它们的共性。同时它们又有自己的个性。网络传播为引导方式提供技术和手段，网络心理为了解引导对象提供专业指导，网络社会为融入和了解共生环境提供虚拟空间和交互平台。（1）网络传播学相关理论借鉴。网络传播学以人类的网络传播活动为研究对象，探索和揭示人类网络传播的本质和规律，包括网络传播媒介、网络传播技巧、网络传播环境、网络受众和网络传播效果等要素。从网络传播学的角度研究网络思潮意识形态引导工作，有利于全面而深入地剖析其引导活动的过程和效果。其中，“把关人”理论以及“议程设置”与“议程融合”理论更是对网络思潮意识形态引导主体构建及内容构建具有直接指导作用。（2）网络心理学相关理论借鉴。在网络思潮意识形态引导工作过程中，引导主体要根据引导受众的心理活动规律，把握受众在网络空间意识形态领域的行为表现及其心理特点。因此，网络心理学中关于互联网对人的心理特征的影响、互联网对人格形成改变和重建的影响、瘾症形成及戒断方法等问题的研究对于我们正确把握引导对象的思想行为特点有着重要的启示。（3）网络社会学相关理论借鉴。网络社会学的基本问题是网络人与网络社会的关系问题，基本任务是协调网络社会各部分之间的关系以维护网络社会秩序的正常运行。网络思潮意识形态引导工作的目的是使网民意识形态与网络社会主流价值观要求得到统一、协调发展，因此，网络社会学中网络行为互动模式、网络社会秩序、网络人际关系等理论有助于认清网络思潮意识形态引导工作所处的话语环境，把握主体和受众在引导互动中的社会关系，有利于从网络社会性层面来研究引导工作的主动权、话语权及其管理权。

（二）目标：导之有利

“有利”原则是网络思潮意识形态引导工作的出发点和落脚点。这就要求网络思潮意识形态的引导一定要以“有利于”社会主义和谐社会的发展为出发点和落脚点。如果离开了这个“有利于”来谈网络思潮意识形态的引导则会失去固有意义。这具体体现在四个方面：

1.要有利于社会主义民主政治建设。“人民民主是社会主义的生命。发展社会主义民主政治是我们党始终不渝的奋斗目标。”[6]社会主义民主政治的建设也离不开党的领导。因此，在网络思潮意识形态引导中，首先要牢牢掌握党对意识形态的领导权和话语权。“作为统治阶级思想的意识形态，实际上是一套制度化的思想体系，是现存社会制度和社会关系的一部分，它作为价值体系发挥作用并使人民认同现存制度，从而维护统治阶级的共同利益。”[7]然而，党对意识形态的领导权和话语权的实现，仅仅凭借主观意愿是不可能的，这还需要广大人民群众的拥护和支持，要通过正确引导广大人民群众，使他们真正了解马克思主义，拥护社会主义，使它们认识到党的政策、纲领与自身利益的一致性和共融性，从而，将引导要求自觉内化为思想行为准则。其次，要健全民主制度，丰富民主形式，拓宽民主渠道，充分尊重和保障公民言论权和表达权，将互联网打造成为民权参与、民情反馈、民意表达最快捷、最及时、最畅通的平台和载体。

2.要有利于社会主义市场经济健康有序运行。社会主义市场经济是社会主义意识形态存在和发展的物质基础和发展动力；在全球化、网络化、市场经济的大背景下，经济主体的多元化必然导致意识形态的多元化。多元多样的意识形态势必会在激起思想火花的同时对社会主义市场经济的有序进行具有一定的反作用。因此，我们必须充分肯定和重视精神对物质、社会意识对社会存在、上层建筑对经济基础、政治对经济的反作用，做好网络思潮意识形态引导工作。大力发挥以马克思主义为主导的社会主义意识形态对社会主义市场经济的积极影响，努力破除以个人主义、享乐主义、拜金主义、消费主义等为中心的错误意识形态对社会主义市场经济的消极影响，为社会主义市场经济健康有序运行扫清思想障碍。

3.要有利于社会主义文化强国战略的实施。文化是民族的血脉，人民的家园，文化是凝聚人心、弘扬精神的力量，同时，文化也是西方国家输出意识形态、价值观念的载体。因此，我们必须在网络信息技术日新月异，各种网络思潮交流交融交锋更加激烈的今天，更加主动、自觉地为社会主义文化大发展大繁荣，为社会主义文化强国战略的实施贡献力量。一是要始终坚持以社会主义核心价值体系为主导，充分尊重文化的多元多样，积极倡导先进思想文化间的学习与借鉴、交流与合作，以海纳百川的胸襟和包罗万象的气势共谱百花齐放、百家争鸣的生动景象，共建主旋律引导与多样化并存的和谐画面。二是要始终坚持文化自信是建立制度自信、理论自信、道路自信的基础。强调，“文明特别是思想文化是一个国家、一个民族的灵魂。无论哪一个国家、哪一个民族，如果不珍惜自己的思想文化，丢掉了思想文化这个灵魂，这个国家、这个民族是立不起来的。”[8]三是要始终加强中国优秀传统文化的国际传播能力，精心构建对外话语体系，发挥好新兴媒体作用，增强对外话语的创造力、感召力、公信力，讲好中国故事，传播好中国声音，阐释好中国特色。

4.要有利于丰富人民精神文化生活。十报告指出，我国要确保在二0二0年实现全面建成小康社会的宏伟目标。全面建成小康社会要求在人民物质生活条件日益提高的同时，要让人民越来越享有更加健康丰富的精神文化生活，健康丰富的精神文化生活已经越来越成为我国人民的热切愿望。然而，网络信息技术平台的运用与推广，极大地拓宽了人民精神文化生活的方式，丰富了人民精神文化生活的内容；但是，网络资源中的各种不良信息却给人们的世界观、价值观、人生观的形成和发展带来了前所未有的挑战。如今，中国网络呈现出全民娱乐之风，庸俗、低俗、恶俗的网络文化充肆其间，泛滥成灾，优秀网络文化星光黯淡，反而式微。因此，我们必须加强网络文化意识形态的引导，抵制一切不利于提高人民精神文化生活水平的信息和内容，更好地满足人民的精神需要、丰富人民的精神世界、增强人民的精神力量，为促进社会主义和谐社会的发展提供坚强的思想保证和强大的精神动力。

（三）保障：导之有节

“有节”原则是网络思潮意识形态引导工作的重要保障，是保证引导工作得以有效运行的关键之举；如果不加以正确引导，则会威胁国家意识形态安全，如果管得过硬过死，则不利于人民民主意识的发表，因此，我们在网络思潮意识形态引导工作中，必须把握好“节”，必须把握好“度”，既要尊重差异、包容多样，又要坚决抵制各种错误和腐朽思想的侵蚀。

1.必须正确认知网络思潮意识形态的合理差异。中国特色社会主义建设和发展的历史经验告诉我们，应该是也必须是马克思主义在网络思潮意识形态领域中居于主导地位，但是网络思潮中不同意识形态、不同价值取向总是存在的，这就要求我们必须认真处理好多元意识形态与指导思想一元主导的对立统一的关系。在网络思潮意识形态引导中，否定了马克思主义的指导地位，引导工作就会失去方向性，最终偏离社会主义道路。但是马克思主义意识形态的一元主导性，又必须通过网络思潮的差异性和多样性来体现，否定了这些差异和多样，又将会失去坚持和发展马克思主义意识形态一元主导的理论和事实依据，因此，在坚持网络思潮意识形态一元主导的同时，要充分尊重意识形态的多元化和差异性。

2.必须同一切敌对意识形态作斗争。中国自成为成功接入国际互联网国家以来，国际形势复杂多变，国内社会转型进一步加剧，各种网络思潮竞相登场，其中，不乏种种反马克思主义、非马克思主义的网络思潮。众所周知，“意识形态领域历来是敌对势力同我们激烈争夺的重要阵地，如果这个阵地出了问题，就可能导致社会动乱甚至丧失政权。敌对势力要搞乱一个社会、颠覆一个政权，往往总是先从意识形态领域打开突破口，先从搞乱人民思想下手”。剧变、中亚国家“”的发生，虽然其原因极其复杂，但是，忽视意识形态安全和软实力作用是“维护”革命发生，导致政权的重要因素。因此，我们要认真借鉴剧变和中亚“”的历史教训，洞察网络思潮中西方敌对意识形态传播和渗透的形式与特点，探究其本质，及时遏制西方腐朽思潮的侵蚀，巩固马克思主义意识形态一元主导地位。

3.必须坚持“疏”与“堵”的巧妙结合。网络思潮多元化意识形态之间的碰撞和交流，是网络思潮发展的趋势，这是任何力量都改变不了的事实。任何一个政党或国家，都不可能将非主流意识形态或思想言论完全“一棒子打死”。一味地封堵，则不利于人民群众民主意识和自主言论的表达，会在一定程度上抹杀了民众的接受心理，激发其逆反心理，引导效果可能适得其反。面对汹涌而至的网络思潮，对一切分裂国家统一、破坏社会安定团结的敌对意识形态，我们必须坚决依法封堵；对大力弘扬先进思想文化的主旋律意识形态，则积极倡导；对无涉利益、社会利益、人民利益的网络思潮，允许其存在并加以正确引导。这样“有所为有所不为”，疏与堵的巧妙结合，才是正道。

因此，在网络思潮意识形态引导过程中，必须坚持科学指导与问题导向兼容并重、坚持“有理”、“有利”、“有节”交织共存，也只有这样，党和国家才能有效地把握网络思潮的导向性和方向性，充分发挥主流意识形态的舆论和主导作用，真正掌握网络思潮意识形态的主动权、领导权和管理权。

[参考文献]

[1]马克思恩格斯选集（第1卷）[M].北京：人民出版社，1995：52.

[2]中共中央宣传部.系列重要讲话读本[M].北京：学习出版社，2014，6.

[3]马克思，恩格斯.马克思恩格斯全集（第40卷）[M].北京：北京出版社，1979.

[4].在全国宣传思想工作会议上的讲话[D].新华网.2013-8-20.

[5].在第二届世界互联网大会上的讲话[D].人民网.2015-12-16.

[6]《十七大以来重要文献选编》（上）[M].北京：中央文献出版社，2009：22.