| 从受训神经-模糊模型中提取知识 |
| |
| 作者姓名： | 冯天瑾 于树松 程军娜 |
| |
| 作者单位： | 中国海洋大学信息科学与工程学院,青岛,266071;中国海洋大学信息工程中心,青岛,266071;中国海洋大学信息工程中心,青岛,266071;中国海洋大学信息科学与工程学院,青岛,266071 |
| |
| 基金项目： | 国家 8 63/ CIMS课题 ( 863- 511- 910 - 14 1)资助 |
| |
| 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。
|
| 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 |
| 文章编号： | 1001-1862(2003)01-107-08 |
| 修稿时间： | 2002-07-27 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
