| 【中文题名】 | 基于模糊推理的粗糙模糊神经网络的构成 |
| 【英文题名】 | The Constituting of Rough Fuzzy Neural Network Based on the Fuzzy Reasoning |
| 【学科专业】 | 基础数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-29 |
| 【中关键词】 | 神经网络,粗糙集,知识约简,信息系统,决策表,模糊集 |
| 【英关键词】 | neural networks,rough sets,knowledge reduction,information system,decision table,fuzzy sets,dependability,interval value reasoning, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文首先介绍了神经网络、模糊集和粗糙集的一些基础知识和当前的发展情况。在第二章里重点讲述了基于依赖度的属性的约简算法,该算法实质上是基于粗糙集中知识约简的。该算法较之以前的算法有明显改进。第三章和第四章分别讨论了用粗糙集的知识来构造粗糙神经网络和模糊神经网络,这些网络在解决数学问题上各自有自己的优势。在第五章里,笔者将粗糙神经网络和模糊神经网络融合到一起,取它们各自的优势构造一种新的神经网络,这种网络结构简单,并且处理能力也比较强。文章最后以一些笔者认为值得研究的问题结束。 |
| 【论文题纲】 |
|
中文摘要 |
3-4 |
|
Abstract |
4-7 |
|
前言 |
7-9 |
|
第一章 预备知识 |
9-16 |
|
1.1 神经网络 |
9 |
|
1.2 模糊数学 |
9-11 |
|
1.2.1 模糊数学的产生 |
9-10 |
|
1.2.2 模糊集的定义 |
10-11 |
|
1.2.3 模糊集的运算 |
11 |
|
1.3 Rough集 |
11-16 |
|
1.3.1 知识与知识库 |
11-12 |
|
1.3.2 Rough集的定义 |
12-13 |
|
1.3.3 信息系统和决策表 |
13 |
|
1.3.4 知识约简 |
13-14 |
|
1.3.5 核与约简的关系 |
14-16 |
|
第二章 基于依赖度的属性约简算法 |
16-23 |
|
2.1 属性约简的基础知识 |
16 |
|
2.2 基于依赖度的属性约简算法 |
16-17 |
|
2.3 基于依赖度的属性约简算法的分析 |
17-20 |
|
2.4 一种改进的约简算法 |
20-23 |
|
第三章 基于Rough集理论的Rough神经网络构造方法 |
23-29 |
|
3.1 粗糙集智能数据分析 |
23-26 |
|
3.1.1 基本概念 |
23-24 |
|
3.1.2 概念的不可分辨关系和边界 |
24-25 |
|
3.1.3 规则的匹配度和适用度 |
25-26 |
|
3.2 粗糙神经网络的结构和学习算法 |
26-29 |
|
3.2.1 粗糙神经网络的基本结构 |
26-27 |
|
3.2.2 粗糙神经网络的分支预测算法 |
27-29 |
|
第四章 基于Rough集理论的模糊神经网络构造方法 |
29-33 |
|
4.1 利用Rough集理论获取规则 |
29 |
|
4.2 构造模糊神经网络结构 |
29-31 |
|
4.3 网络的学习算法 |
31-33 |
|
第五章 基于区间值推理的粗糙模糊神经网络构造方法 |
33-36 |
|
5.1 区间值模糊推理 |
33 |
|
5.2 用Rough集理论获取规则 |
33-34 |
|
5.3 间值推理的粗糙模糊神经网络的结构 |
34-35 |
|
5.4 网络的学习算法 |
35 |
|
5.5 结论 |
35-36 |
|
参考文献 |
36-38 |
|
致谢 |
38 |
|
| 【DOI】 | LunWen.ID:2.2008.388095 |
