资源大小: 610KB
发布时间: 2009-09-12
文件格式: doc
下载次数: 3
分享到:

下载地址:

下载地址1
(本站为飞网专业下载站,域名:down.cfei.net)

资源简介:

摘要:数据的上界和下界概念在人工智能领域中使用得非常普遍,在粗糙集理论中尤为明显,随着粗集理论的不断发展,上下边界的概念得到更大范围内的应用。本文将经典的神经网络和粗集理论有机地结合,提出了一种基于粗集理论的神经网络,并应用神经网络的粗糙模式建立预测模型。在粗糙模式下每个神经网络的输入值不是一个单值而是一对值,即上下边界数据,经典的神经网络在预测模型中采用的是单值数据作为输入值,但是在一些应用中会产生问题,如医院要对病人进行病情的跟踪观察,并希望对其未来的情况进行预测,这时经典的神经网络就难以适用了,对于一个病人来说,心跳次数,脉搏次数,血压值,体温等项指标在一天当中需要进行几次测试,问题在于对于同一项指标每次测量值也是不同的,因此得到的是一组数据而非单个数据,由于经典的神经网络对于外界的信息的传导需要的是单值输入,究竟应该取测量值中的哪个值作为输入就难以确定,通常的方法是将测量数据进行数学平均,以均值作为网络的输入,但是这可能导致具有重要性质数据的泛化,而粗糙集理论则可以很好地解决这个问题,粗糙集数据的上下边界可以将病人一天的各项指标测量值的上界和下界数据作为粗糙神经元的输入。


飞网下载站,免费下载共享资料,内容涉及教育资源、专业资料、IT资源、娱乐生活、经济管理、办公文书、游戏资料等。