基于优化的粗神经网络在地质样品元素的预测研究

• 作者: 罗芳琼 陈旭明 黄胜忠
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 粗糙集 模糊聚类 神经网络 样品元素
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 159-162
• 页数: 4页
• 分类号: TP301
• 字数: 2528字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.05.041

摘要

在神经网络中引入粗糙集理论和模糊聚类方法，实现建模预测。首先用粗糙集和模糊聚类进行属性约简，去掉冗余的属性。然后根据模糊逻辑规则获取合理的网络输入层、隐含层和输出层，建立优化的粗神经网络预测模型。该模型可以有效地去除神经网络中输入层的冗余神经元，合理地确定隐含层神经元的数目，使神经网络提高收敛性能，获得更好的非线性逼近能力。仿真实验结果说明：优化的粗神经网络预测模型，可提取有用信息，简化网络结构，减少训练时间，提高预测精度。在地质样品元素的预测实验中，取得了良好的效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄胜忠	柳州师范高等专科学校数学与计算机科学系	18	53	5.0	6.0
2	罗芳琼	柳州师范高等专科学校数学与计算机科学系	31	191	6.0	13.0
3	陈旭明		2	2	1.0	1.0