从受训神经-模糊模型中提取知识

• 作者: 于树松 冯天瑾 程军娜
• 来源期刊: 青岛海洋大学学报(自然科学版)
• 学科: 工学
• 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
• 年，卷（期）: 2003,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 107-114
• 页数: 8页
• 分类号: TP183
• 字数: 4825字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5174.2003.01.013

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯天瑾	中国海洋大学信息科学与工程学院	13	86	5.0	9.0
5	于树松	中国海洋大学信息工程中心	9	26	3.0	5.0
6	程军娜	中国海洋大学信息科学与工程学院	5	32	3.0	5.0