基于模糊化输入和反转提高神经网络分类性能的方法

• 作者: 武妍 王守觉
• 来源期刊: 红外与毫米波学报
• 学科: 工学
• 关键词: 模糊神经网络 学习算法 模糊输入 反转 分类
• 年，卷（期）: 2005,（1）
• 页码范围: 15-18
• 页数: 4页
• 分类号: TP183
• 字数: 3380字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-9014.2005.01.004

摘要

为有效提高神经网络的分类性能,首先提出了一个可处理模糊输入的模糊神经网络结构,然后由模糊输出和非模糊目标输出定义了代价函数,推导出相应的学习算法,并对该模糊神经网络进行反转,提出了模糊化的反转算法.最后,通过计算机仿真实际的模式分类问题,验证了所提出的方法的有效性.实验结果表明,所提出的方法具有学习效率高、分类准确率高、泛化能力高的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	武妍	同济大学计算机科学与工程系	58	726	15.0	24.0
5	王守觉	同济大学半导体与信息技术研究所	17	129	5.0	10.0