• 沒有找到結果。

模式分析程序

第肆章 研究結果與分析

第一節 模式分析程序

倒傳遞類神經(back-propagation neural network, BPNN)架構包含輸入層、隱 藏層、輸出層。 輸入層與輸出層的 PE 數目依問題而定,而隱藏層的層數與其處 理單元(processing elements, PEs)個數則沒有一定的法則可循,通常以試誤法(trial and error)決定適當的數目;一般而言,一至二層隱藏層已足夠解決大部份的問 題。連接至隱藏層的連結使用的是非線性轉換函數,倒傳遞類神經網路的計算過 程分為向前(forward)與向後(backward)兩階段。首先,輸入層 PEs 接收到輸 入樣本資料,然後直接將資料傳送給隱藏層,隱藏層中的神經元會將輸入層資料 加權過後之總和,利用轉換函數轉換成激發值(activation value)輸出至輸出層。

輸出層的 PsE 再以隱藏層輸出之激發值,同樣的計算其加權過後之總和,並利用 轉換函數轉換成激發值輸出,最後比較網路輸出值與標準值的差異,視情形進行 連接權重的調整。輸出層的第 k 個 PEs 其權重調整公式如下:

ƞ

其中,∆ 神經元 j 與神經元 k 間權重改變量;

ƞ =學習速率; =神經元

k 的差異量; =隱藏層第 j 個神經元之輸出;隱藏層的第 j 個神經元其權重調 整公式如下:

ƞ

其中,∆ 神經元 i 與神經元 j 間權重改變量;

ƞ =學習速率;

=神經元 j 的差異量; =隱藏層第 i 個神經元之輸出。倒傳遞類神經網路學習精確度高,

回想速度快,可處理複雜的樣本辨識問題與高度非線性的函數適配(fitting)(邱 志洲、謝邦昌,2000;葉怡成,2002;謝昆霖、鄭秀慧,2006)。圖 4 所顯示的是 四個輸入與一個輸出的倒傳遞網路模型。

  圖  4 倒傳遞網路模型 

依照上述模式,本研究調查民宿業者及消費者所提供之數據來進行建模研究,

應用類神經網路法來達成民宿業者價格意願模式的建構程序,說明如何應用所提 之研究程序來進行建議: 

步驟一、選定項目:以民宿業者與消費者為調查對象,區分為二類問卷,共調查 臺東地區計 100 家民宿業者及消費者 200 位。 

步驟二、蒐集數據:按照前述方式實施第 1 次問卷調查,共獲得有效問卷 264 筆數據(民宿業者 68 份、消費者 196 份),資料經綜整後,進行各屬性 項目的加總評分(非常重要為 5 分、重要為 4 分、普通為 3 分、不重要 2 分、非常不重要為 1 分),用以分析民宿業者與消費者最在意的項目,

加總完畢後,排序出最高分的前 11 項屬性再加入購買意願評價項目,

合計 12 項考量項目(如表 3),對消費者進行第 2 次問卷,而在第 2 次 問卷中共獲得有效問卷 120 筆資料可供建模使用。 

   

輸入層  隱藏層  輸出層

       

 

表 3 住宿意願的考量項目 

1、 網路層數:從相關研究建議中(Su & Hsieh,1998;Tong & Hsieh,

2000;Hsieh,2005;葉怡成,2002;邱志洲、謝邦昌,2000)指出

出層為運算元。

4、 隱藏層運算元:隱藏層的運算單位數並無標準方法,通常以試測方 式決定最佳數目,本研究分別以 6-14 個(間距 2,共 5 種選擇)。 5、 學習速率:在參考相關的研究建議(葉怡成,2002)設定研究範圍

為 0.05-0.3(間距為 0.05),經初步測試選定為 0.02。。

6、 學習循環: 採用 Delta rule 學習法(詳細法則請參考邱志洲、謝邦 昌,2000;葉怡成,2002 及 sigmoid 轉換函數(詳細函數請參考葉怡 成,2002),判斷準據設定為跌代次數 50000 次後進行訓練集和測試 集的誤差均方根值比較。

7、 慣性動量:為加速網路收斂及誤整體最小,參考相關的研究建議(藍 受麟,2010),依經驗設定為 0.85。

而考量應用的便利性,網路設計直接使用一些統計分析軟體中附加類神經網 路軟體,本研究選擇 Qnet2000 軟體作為模式建構的工具(林澄政、丁毓齡、林 雅茜,2009)。

Qnet2000 建立網路之基本步驟如下:

1、 資料輸入:將數據資料匯入軟體中。

2、 建立網路:利用軟體介面設定各種形式網路。

3、 設定網路 IO:設定輸入與輸出。

4、 網路自動訓練:由網路學習,並調整網路連結,找出最適網路。

5、 網路測試:用以將測試案例交由網路測試,以探討其準確度。

網路建立完成後,從 120 筆數據中隨機篩選 20 筆作為驗證資料,再將剩下 的 100 筆數據帶入 Qnet2000,隨機選取其中 20 筆當作測試樣本集、其餘 80 筆作 為訓練樣本集,兩者比率約為 1:4,模式建構的判斷圖如圖 5 所示、判斷數據結 果比較表如表 4 所示(僅列出最佳學習速率 0.02 的判斷表)。

圖 5 最佳網路結構的選擇判斷圖

11-8-1 11-10-1 11-12-1 11-14-1 誤差均方根比較表

圖 6 本研究所獲得之價格意願模式

輸入層  隱藏層  輸出層 

房間清爽乾淨 

購買意願  環境清潔衛生程度 

主人服務親切 

週遭環境的視野風景  庭院環境的視野風景 

是否提供私人浴室 

整體環境氣氛營造 

溫馨舒適的裝潢及擺設 

是否提供消防安全設施 

是否提供緊急照明設備 

房間的採光照明 

相關文件