2004年 第6卷 第4期
基于Rough集理论的模糊神经网络构造方法
北京工业大学电子信息与控制工程学院，北京 100022
下一篇 上一篇
摘要
提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力，而模糊神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先，利用Rough集理论对给定数据集进行规则获取；然后，根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值；最后，用BP算法迭代求出网络的各种参数，完成网络的设计。给出了一个二维非线性函数拟合的实例，进一步验证了方法的正确性。
图片
图1
图2
图3
参考文献
[ 1 ] Zadeh L A. Fuzzy logic, neural networks and soft computing[J].Communications of the ACM,1994, 37(3):77~84
[ 2 ] 李士勇.模糊控制神经控制和智能控制论［M］.哈尔滨：哈尔滨工业大学出版社，1996
[ 3 ] Yasdi R. Combining rough sets learning and neural learning method to deal with uncertain and imprecise information[J].Neuro-Computing,1995,7(1):61 ~84
[ 4 ] 王士同.神经模糊系统及其应用［M］.北京：北京航空航天大学出版社，1998.179～186
[ 5 ] 王国胤.Rough集理论与知识获取［M］.西安：西安交通大学出版社，2001
[ 6 ] 易继错.智能控制技术［M］.北京：北京工业大学出版社，1999
[ 7 ] Rudin W.Principles of Mathematical Analysis[M]. New York McGRAW-HILL Book Company,1976. 159~165
[ 8 ] 李永敏.根据粗糙集理论进行BP网络设计的研究［J］．系统工程理论与实践，1999,19（4）：62～69
京公网安备 11010502051620号
