从受训神经-模糊模型中提取知识 Knowledge Extracting from Trained Neuro-Fuzzy Models

排行榜 收藏 打印 发给朋友 举报 来源: 《中国海洋大学学报(自然科学版)》 发布者:cjk3d
热度43票 浏览12次 【共0条评论】【我要评论 时间:2003年12月15日 14:08
从受训神经-模糊模型中提取知识

Knowledge Extracting from Trained Neuro-Fuzzy Models

本文对用于模式分类、函数逼近、参数估计的多层感知器(MLPs)给出1个清晰的关于内部行为的解释.作者以单隐层的MLP为例,论述了关于MLP的内部行为的半线性分析理论.对受训的MLP,将隐层单元的输出分别定义为网络输出的正、负"内部分量";定义内部分量的连接权重集为给定问题的"内部判别模式";建立了MLP 和模糊集相结合的新模型;分析了MLP的结构为N-2-1和N-H-1,给出权重初始化的方法;提出了1种从受训神经-模糊模型(NFMs)中提取知识的全新的具有实用价值的方法.

? W7BR6\k4Db0
作 者: 冯天瑾 于树松 程军娜  
作者单位:冯天瑾(中国海洋大学信息科学与工程学院,青岛,266071;中国海洋大学信息工程中心,青岛,266071)
] SP'LsE0~M0于树松(中国海洋大学信息工程中心,青岛,266071)
$f.HS:G ]^ [0程军娜(中国海洋大学信息科学与工程学院,青岛,266071) 
刊 名:青岛海洋大学学报(自然科学版)  ISTIC PKU
英文刊名:JOURNAL OF OCEAN UNIVERSITY OF QINGDAO 
年,卷(期):2003 33(1) 
分类号:TP183 
关键词:多层感知器的内部行为   网络输出的内部分量   神经-模糊模型   知识提取   权重初始化  
机标关键词:神经模糊模型内部行为内部分量权重初始化多层感知器隐层单元网络输出提取知识判别模式模式分类函数逼近分析理论方法参数估计权重集模糊集单隐层半线性连接 
基金项目:国家高技术研究发展计划(863计划) 
顶:4 踩:5
【已经有34人表态】
4票
极差
7票
很差
3票
较差
3票
稍差
3票
稍好
4票
较好
6票
很好
4票
极好
下一篇:一种提高含边界扫描器件电路板在线测试速度的新方法 A Method to Speed up Boundary Scan Test Embeded in ICT
上一篇:波浪加载下海底土质特性变化的研究 Study on the Geotechnical Behavior of Seabottom Sediments Unde
查看全部回复【已有0位网友发表了看法】

广告投放

广告投放