Please use this identifier to cite or link to this item: https://ah.lib.nccu.edu.tw/handle/140.119/86351
題名: 類神經網路應用於國小教師需求之預測
Forecasting the number of teacher in elementary schools im Taiwan Area by neural network
作者: 陳嘉甄
Chen, Chia-Chen
貢獻者: 馬信行
陳嘉甄
Chen, Chia-Chen
關鍵詞: 類神經網路
時間序列
預測
國小教師
Neural network
Time series
ARIMA
Elementary teacher
Forecast
日期: 1997
上傳時間: 27-四月-2016
摘要: 國小教師供需問題是目前教育界中的一個重要問題,教師需求量的預測精確與否,將影響及教育政策的制定。本研究中,我們使用單變量 ARIMA 及類神經網路,以預測台灣地區 1996 到 1998 年之間的國小教師需求量。
The demand for and supply of teachers in elementary schools is an important problem in education administration. An accurate forecast of the number of teachers needs in elementary schools may heavily affect educational policy. In this thesis, we use the univariate time series analysis and Neural Networks to forecast the number of teacher in elementary schools in Taiwan Area during a period from 1996 to 1998.
目錄\r\n第一章 緒論 1\r\n第一節 研究動機與目的 1\r\n第二節 研究問題 5\r\n第三節 研究範圍與限制 6\r\n第四節 論文架構 8\r\n\r\n第二章 文獻探討 9\r\n第一節 非線性動態系統 9\r\n第二節 各種師資需求預測方式 14\r\n第三節 影響師資供求的因素 30\r\n第四節 ARIMA 與類神經網路預測效果之比較 32\r\n\r\n第三章 研究方法 35\r\n第一節 時間數列分析 35\r\n第二節 類神經網路 38\r\n第三節 倒傳遞類神經網路 45\r\n第四節 網路建構 52\r\n第五節 ARIMA 方法簡介 58\r\n\r\n第四章 實驗結果 62\r\n第一節 資料分析 62\r\n第二節 多變數類神經網路 63\r\n第三節 單變數類神經網路(一) 80\r\n第四節 單變數類神經網路(二) 92\r\n第五節 單變數類神經網路(三) 100\r\n第六節 ARIMA 模式 108\r\n\r\n第五章 研究討論與建議 119\r\n第一節 研究討論 122\r\n第二節 研究建議 124\r\n\r\n參考書目 127\r\n\r\n圖表目錄\r\n【圖次】\r\n圖1 反饋系統 10\r\n圖2 預測的基本形式 14\r\n圖3 我國國小教師時間數列自我相關分析圖 37\r\n圖4 我國國小教師時間數列偏自我相關分析圖 37\r\n圖5 網路架構圖 42\r\n圖6 類神經網路結構圖 46\r\n圖7 類神經網路運作簡圖 46\r\n圖8 倒傳遞網路訓練流程 50\r\n圖9 多變數網路架構圖 72\r\n圖10 多變數網路誤差选待圖 75\r\n圖11 多變數網路範例學習結果 75\r\n圖12 多變數網路權重分配圖 78\r\n圖13 多變數網路配適誤差圖 78\r\n圖14 多變數網路對原始數列的配適 79\r\n圖15 (3,2,1)網路架構圖 84\r\n圖16 單變數網路(一)誤差选待圖 88\r\n圖17 單變數網路(一)範例學習結果 89\r\n圖18 單變數網路(一)學習誤差圖 91\r\n圖19 單變數網路(一)預測曲線 94\r\n圖20 單變數網路(二)架構 97\r\n圖21 單變數網路(二)配適圖 98\r\n圖22 單變數網路(二)誤差走勢圖 98\r\n圖23 單變數網路(二)預測曲線圖 98\r\n圖24 單變數網路(三)架構 102\r\n圖25 單變數網路(三)配適圖 105\r\n圖26 單變數網路(三)走勢圖 106\r\n圖27 單變數網路(三)預測曲線 106\r\n圖28 我國國小教師數列走勢 109\r\n圖29 一次差分教師數列走勢圖 111\r\n圖30 差分數列 ACF 112\r\n圖31 差分數列之 PACF 112\r\n圖32 殘差走勢圖 114\r\n圖33 配適殘差圖 114\r\n圖34 殘差之 PACF 115\r\n圖35 殘差之 ACF 115\r\n圖36 殘差值常態分配 116\r\n圖37 模式對原數列的配適圖形 117\r\n圖38 模式對原數列的預測圖形 117\r\n\r\n【表次】\r\n表1 吳俊明(民 83 )高職教師人數之模擬預測值 24\r\n表2 時間序列與類神經網路比較表 26\r\n表3 類神經網路與統計概念對照表 51\r\n表4 單變量平穩時間數列之理論 ACF 與 PACF 特性 60\r\n表5 多變數網路的相關參數設定值 67\r\n表6 原始資料處理表 68\r\n表7 多變數網路輸入--隱藏層權重值 73\r\n表8 多變數網路結點計算式 74\r\n表9 多變數網路結點實際計算值 76\r\n表10 多變數網路預測表 79\r\n表11 單變數網路(一)參數設定表 83\r\n表12 單變數網路(一)輸入--隱藏層權重值 85\r\n表13 單變數網路(一)結點計算式 85\r\n表14 單變數網路(一)實際計算值 86\r\n表15 單變數網路(一)神經網路預測表 90\r\n表16 類神經網模式的相關參數設定值 93\r\n表17 單變數網路(二)各層權重值 95\r\n表18 單變數網路(二)結點計算式 95\r\n表19 單變數網路(二)網路結點實際計算值 99\r\n表20 單變數網路(二)預測表 99\r\n表21 單變數網路(三)的相關參數設定值 101\r\n表22 單變數網路(三)各層權重值 103\r\n表23 單變數網路(三)結點計算式 103\r\n表24 單變數網路(三)結點實際計算值 104\r\n表25 單變數網路(三)預測表 107\r\n表26 參數估計表 113\r\n表27 模式(1,1,1)預測表 118\r\n表28 類神經網路與 ARIMA 預測結果比較表 120\r\n表29 ARIMA 模式預測表 122
描述: 碩士
國立政治大學
教育學系
85152011
資料來源: http://thesis.lib.nccu.edu.tw/record/#B2002001930
資料類型: thesis
Appears in Collections:學位論文

Files in This Item:
File SizeFormat
index.html115 BHTML2View/Open
Show full item record

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.