基于粗糙集理论的神经网络研究及应用
来源期刊：控制与决策2007年第4期
论文作者：张赢 李琛
文章页码：462 - 464
关键词：粗糙集;神经网络;数据挖掘;BP算法;
摘 要：为了补偿神经网络的黑箱特性并提高其工作性能,将粗糙集理论同神经网络结合起来,提出一种基于粗糙集的神经网络体系结构.首先,利用粗糙集理论对神经网络初始化参数的选择和确定进行指导,赋予各参数相关的物理意义;然后,以系统输出误差最小化为目标对粗糙神经网络进行训练,使其满足性能要求.实验结果表明,粗糙神经网络能较好地完成数据挖掘任务,并能获得较高的分类精度.
张赢1，李琛2
1. 纽约州立大学布法罗分校工业与系统工程系2. 华中科技大学系统工程研究所
摘 要：为了补偿神经网络的黑箱特性并提高其工作性能,将粗糙集理论同神经网络结合起来,提出一种基于粗糙集的神经网络体系结构.首先,利用粗糙集理论对神经网络初始化参数的选择和确定进行指导,赋予各参数相关的物理意义;然后,以系统输出误差最小化为目标对粗糙神经网络进行训练,使其满足性能要求.实验结果表明,粗糙神经网络能较好地完成数据挖掘任务,并能获得较高的分类精度.
关键词：粗糙集;神经网络;数据挖掘;BP算法;
