- 基于知识的阶层型神经网络结构及参数的一种确定方法
- 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 .
