点击次数：

论文类型：期刊论文

发表时间：2003-02-28

发表刊物：计算机研究与发展

收录刊物：PKU、ISTIC、CSCD

卷号：40

期号：2

页面范围：169-176

ISSN号：1000-1239

关键字：神经网络;模糊规则;结构及参数;知识获取

摘要：神经网络具有优秀的学习能力,但神经网络的权值及阈值却无法解释与理解,给进一步的应用带来了困难 .国内外学者就这一问题进行了各种探讨,研究怎样从神经网络中抽取规则,但算法较复杂,规则的可理解性较差 .从不同的视角出发,提出一种从知识的角度来考察阶层型神经网络的结构及参数的思路 .利用从样本数据中获得的知识(模糊规则),来确定网络的大小,即中间层的结点数目,以及网络的参数,即网络的权重及结点的阈值 .该方法的特点是不用精简网络的结构,也不用改变网络以往的BP学习算法 .按照这种方法构造出的神经网络,即使不学习,其输出也会大致地跟踪样本,网络的学习时间将会缩短 .与此同时,网络的参数,即权重及阈值的意义可以解释,为直接从神经网络中提取知识提供了依据 .仿真算例验证了所提出的方法的有效性 .