本课题的关键问题及解决问题的思路

关键问题：本课题探讨MATLAB预测企业员工工资方面的应用，所以关键的问题就是MATLAB为何能够预测企业员工工资，而MATLAB又将如何实现企业员工工资的问题？

思路：本课题对MATLAB在预测方面应用的研究，首先进行大量的文献阅读，并且做到把搜集的文献资料要合理的整理和研究分析，通过理解形成属于自己的思路框架。在搜集相关文献的时候要多个方面进行搜索，与此同时做好相关的笔记，记下重要的资料可以方便翻阅，有条理的完成任务。

完成这篇论文的主要工作就是通过资料的收集深入学习MATLAB的基础理论知识掌握MATLAB的功能和特点，学习和掌握神经网络的基础理论和应用，神经网络是一种旨在模拟人脑结构及其功能的信息处理系统，由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，神经网络具有信息并行处理、分布式信息记忆、自适应等能力，通过运用神经网络建模，可以进行预测事物的发展，同时可以节约研究所需要的时间。MATLAB提供了神经网络工具箱，能够快速实现对实际问题的建模求解。应用MATLAB预测企业员工工资，系统的探讨神经网络建模的全过程，搜集关有关企业员工工资的信息，利用MATLAB软件建立初步的神经网络方程，MATLAB神经网络建立员工工资模型，然后利用MATLAB仿真进行分析，解读输出结果以及对模型进行精细分析和改进。选用MATLAB的神经网络优化分析企业员工的工资情况，完成对企业员工工资的基本预测。

.......

优点：

BP神经网络可以实现了从输入到输出之间的映射功能，在众多的神经网络算法中，使用BP算法能够得到更加相对准确的预测精度；同时BP神经网络还具备必然性的容错能力，它容许输入的样本集合中带存在较大的误差甚至一些个别的单独错误，而且对网络的训练结果并不会造成很大的影响。利用MATLAB软件对网络进行仿真的程序编写，由于MATLAB的运算全部采用矩阵形式，使得网络的训练不仅简单明了而且快速。

改进之处：

通过改变隐含层的节点数可以增强网络的映射能力，学习率参数的合理选择可以加快BP算法的收敛速度、得到全局最优。对于BP算法的改进可以通过启发式学习算法和优化算法这两种途径来实现。启发式学习算法包括有动量的梯度下降法、有自适应Ir的梯度下降法，自适应调节学习率等方法，主要是对于表现函数梯度进行分析；BP神经网络的训练其实就是一个对非线性函数的优化过程，优化算法包括共轭梯度法、Levenberg-Marquardt方法正割拟牛顿法和BFGS牛顿法等方法，负责对基于数值最优化理论的训练。