【摘要】：表8-1网络流量预测对比结果图8-5中所述的预测最大误差和平均误差均指网络稳定运行后的预测误差。由表中结果可见，由于本节所述混沌算子网络不是以拟合现有数据为目的，而是通过优化混沌算子参数来不断调节网络的动力学特性，使之逐渐逼近被预测系统，因此在进行网络流量预测过程中，最大预测误差和平均误差均小于传统方法，具有更好的预测性能。
本节选取一审无争议的500例同罪名案件作为学习样本，训练网络。选择同罪名的A、B两类案件各50例作为测试样本。A类案例为一审不上诉的案件，B类案例为一审后上诉的案件。测试结果如表10-3所示。
表10-3 仿真实验结果
其中，案件的刑期误差e定义为(www.xing528.com)
其中y为利用本节所述网络计算出的刑期，y实际为法院对该案例的终审判决结果。ymax，ymin为法条规定该性质案件判决的最高和最低年限。如果案例的最高刑期为无期徒刑，则ymax=21年，如果为死缓，则ymax=22年。如果为死刑，则ymax=23年。
由表中结果可见，本节提出的量刑决策系统，可对刑罚种类做出正确的判决和分类，并且所得量刑误差较小，可为实际案例的判决提供客观、公正的参考。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
