一种基于粗糙集的粗糙神经网络构造方法

• 作者: 何明 傅向华 冯博琴 马兆丰
• 来源期刊: 西安交通大学学报
• 关键词: 粗糙集 神经网络 粗糙集数据分析 粗糙神经元
• 年，卷（期）: 2004,（12）
• 页码范围: 1240-1242,1246
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2004.12.008

摘要

针对神经网络中各神经元和权不能赋予明确的物理意义,提出了一种基于粗糙集的神经网络模型.该模型利用粗糙集理论数值分析的能力,首先从给定的数据集中抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙神经网络的初始拓扑结构.同时,将输入映射到输出子空间, 并在这个子空间上用神经网络进行逼近,由此得到一种可理解性好、收敛速度快的神经网络模型.实验结果表明,该模型能够较好地处理神经网络拓扑结构、训练样本的大小、样本质量等对神经网络的精度及泛化能力有直接影响的问题,在大大缩短训练时间的同时,它的预测精度可达96.4%,较同条件下径向基函数神经网络模型的精度高3.6%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅向华	西安交通大学计算机科学与技术系	24	443	15.0	20.0
2	马兆丰	西安交通大学计算机科学与技术系	25	446	12.0	20.0
3	何明	西安交通大学计算机科学与技术系	17	370	13.0	17.0
4	冯博琴	西安交通大学计算机科学与技术系	171	3268	30.0	50.0