文档介绍：摘要神经网络在函数逼近、模式识别、分类、数据压缩等领域有着非常广泛的应用。然而,目前的神经网络模型主要是针对信息确定性问题进行研究。基于实际应用的需求,应从信息不确定性、模糊性等方面进行相应的拓展。在传统的网络模型里,训练样本往往都是以单值的形态存在的,但是在一些实际应用中,训练样本属性值具有不确定性。此时,若是依然按照传统神经网络的方法进行训练和预测,则会大大影响网络的泛化能力。目前,针对训练样本的灰色特点,很多专家学者结合粗糙神经元和模糊神经元进行了深入的研究,并取得了一定的进展。然而,通过结合灰色系统理论知识,来处理训练样本不确定性问题的研究还比较少。基于以上分析,本文提出了一种基于灰色神经元的神经网络方法。该方法先分析了灰色神经元的可行性;然后结合灰色理论的特点,提出了一种灰色神经元的设计方法;最后根据设计的灰色神经元,构建灰色神经网络预测模型,并通过实例验证该模型的合理性和有效性。此外,为了有效提高神经网络的学习性能,需要从一个新的角度考虑神经网络的学习训练。武妍、王守觉等提出的算法:将神经网络输入调整与通常的权值调整的反向传播算法结合起来,通过调整权值和输入矢量值的双重作用来提高神经网络的性能。但是在输入矢量的调整过程中,输入矢量值可能会无限制的增长,从而影响网络的学习能力和泛化能力。基于此,本文提出了一种基于的新算法一惴ā8盟惴ú唤鼋ù车娜ㄖ档髡椒ㄓ胧淙胧噶康髡方法结合起来,并对输入矢量进行灰度调整,通过缩小输入灰度,优化神经网络的输入,从而解决了算法的不足,以使神经网络训练更具有合理性,实现更有效的学习。通过实验证明,所提出的方法是非常有效的,不仅能保持原有分类的不变性,还具有训练速度快和泛化能力高的双重优点。关键词:神经网络;灰色神经元;灰色系统理论;惴
知识水坝为您整理
.疭甋瑃琓瓵,甒琖琾觰琧琩瑃,;琽,.甋琁—,琲瑃—、琲瓸,琁’.琲....甀,’’
知识水坝为您整理
:;;籊
矿。昝声明人┟:【虱乡灾厦门大学学位论文原创性声明本人呈交的学位论文是本人在导师指导下,独立完成的研究成果。本人在论文写作中参考其他个人或集体已经发表的研究成果,均在文中以适当方式明确标明,并符合法律规范和《厦门大学研究生学术活动规范孕》。另外,该学位论文为翁组研究成果,获得翁组鸦蚴笛槭业淖手笛槭彝瓿伞请在以上括号内填写课题或课题组负责人或实验室名称,未有此项声明内容的,可以不作特别声明。
矿、年鋍》声明人┟:辗牛厦门大学学位论文著作权使用声明馆及其数据库被查阅、借阅。本人同意厦门大学将学位论文加入全国本人同意厦门大学根据《中华人民共和国学位条例暂行实施办法》等规定保留和使用此学位论文,并向主管部门或其指定机构送交学位论文ㄖ街拾婧偷缱影,允许学位论文进入厦门大学图书博士、硕士学位论文共建单位数据库进行检索,将学位论文的标题和摘要汇编出版,采用影印、缩印或者其它方式合理复制学位论文。本学位论文属于:.经厦门大学保密委员会审查核定的保密学位论文,于年日解密,解密后适用上述授权。.不保密,适用上述授权。朐谝陨舷嘤ê拍诖颉啊獭被蛱钌舷嘤δ谌荨1C苎宦畚应是已经厦门大学保密委员会审定过的学位论文,未经厦门大学保密委员会审定的学位论文均为公开学位论文。此声明栏不填写的,默认为公开学位论文,均适用上述授权。月
第一章绪论研究背景、目的及意义人工神经网络由于其强大的并行处理、分布式信息存储、自组织自适应及其学习能力,已广泛应用于模式识别、人工智能、控制工程及信号处理等领域。而神经网络又是众多神经网络中应用最广泛的一种。它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用。在神经网络的应用中,如何提高神经网络模型的收敛速度和泛化能力一直是众多专家学者关注和研究的方向。琋的泛化能力或推广能力,是指神经网络在训练完成以后输入其训练样本之外的新数据时获得正确输出的能力。所以,泛化能力是神经网络最主要的性能之一,没有泛化能力的神经网络没有任何使用价值。如何提高的泛化能力一直是该领域研究者所关注的问题。而神经网络的样本复杂性和结构复杂性是影响神经网络泛化能力的主要因素,所以,人们的研究大都集中于此。例如,正则化⋯、网络集成、输入模糊化、结构优化、椒ǘ样本预处理等,这些方法不同程度地提高了的泛化能力。但总体上说,的泛化仍然是一个没有解决或没有完全解决的问题。近年来,很多学者对如何加快算法收敛速度的问题做了大量的研究,许多研究者提出了不少改进的方法,如避免过早饱和的方法:调整权值方法;正则化方法;交互式方法;改变学习率的方法以及改变激励函数的方法等。这些方法都对误差反向传播算法的性能进行了一些改善。但总的来讲,主要都是基于对连接权值调整的大小上下工夫,急需从其他的角度入手,开发一些有效的学习方法。此外,在处理信息不完备或是信息