文档介绍：锄鲐职黼学位论文作者签名:/啻缈怠ⅰ乱学位论文版权使用授权书独创性声明学位论文作者:/下哆坎杪闐伤口卯,,年护歹月汐/日本人提交的学位论文是在导师指导下进行的研究工作及取得的研究成果。论文中引用他人已经发表或出版过的研究成果,文中已加了特别标注。对本研究及学位论文撰写曾做出贡献的老师、朋友、同仁在文中作了明确说明并表示衷心感谢。签字日期:本学位论文作者完全了解西南大学有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权西南大学研究生院可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笫视帽臼谌ㄊ椋韭畚模嚎诓槐C埽口保密期限至年月止▲一.,≯
“·一
摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第滦髀邸研究背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..主要工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..论文结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第露:窬纭动态模糊神经网络概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..动态模糊神经网络的结构模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..动态模糊神经网络算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第麓植诩±砺邸粗糙集理论概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.粗糙集理论概念⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⒌木霾弑硎粜栽技颉第禄诖植诩亩:窬缃峁寡芯俊输入降维⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..霾弑淼拿つ可境粜栽技颉录目·拉声、
.:窬缃峁褂呕本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第率笛榉抡妗函数逼近⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.时间序列预测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..非线性动态系统辨识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第陆崧奂罢雇工作小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.工作展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯发表文章⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯修剪网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.致
基于粗糙集的动态模糊神经网络结摘要计算机应用技术硕士研究生卞立兵指导教师邓辉文教授》关键词神经网络粗糙集决策表知识约简神经网络是人工智能的核心内容之一。由于具备特有的学习和自适应能力,使得神经网络一直是人工智能研究领域的热点。从最初的如何构建神经网络到现在的如何构建高效稳定的神经网络,神经网络的发展已经取得了巨大的进步。动态模糊神经网络的提出更是解决了以往神经网络构造的缺点,它的网络模型不是事先预定的,而是动态变化的,即在学习开始前,模糊规则没有预先给定而是在后续的学习过程中逐渐增长和形成的。它不需要任何先验知识,同时不必考虑网络构建应该如何布局以及网络节点数应该设定为多少等问题。但是,动态模糊神经网络中的所有规则节点并不是一直活跃的,随着新规则的不断加入,原来的旧规则节点可能变得不再活跃,对系统不再有贡献,最终成为冗余节点。为了优化动态模糊神经网络结构,删除冗余节点,研究学者提出了动态模糊神经网络修剪技术。现有的修剪算法有灵敏度计算方法、权减法、竞争学习、最小输出方法、奇异值分解法、特征值分解法等算法。虽然这些方法在结构优化方面都能够达到不同程度的效果,但同时也存在着一些问题,例如:灵敏度计算法进行一次修剪后要对剩下的整个网络重新计算敏感度;权减法只能用于学习算法;竞争学习的输出结构并非最优;特征值分解法计算特征值分解可能会导致病态解;奇异值分解法在决定哪个规则应该保留的时候没有严格的计算公式。研究发现,粗糙集理论在不确定性知识处理和挖掘数据知识潜在关系方面具有强大的功能。因此,本文引入粗糙集理论对动态模糊神经网络结构进行优化,提出一种基于粗糙集的动态模糊神经网络结构优化方法,利用粗糙集理论处理不确定性知识的能力,通过权值调整时权值参数的改变量以及实际输出误差的改变量的相关性构造决策属性表,然后对决策表进行知识约简以达到优化网络结构的目的。最后,本文通过对动态模糊神经网络在函数逼近、.奔湫列预测、非线性动态系统辨识三个方面的应用进行仿真实验。实验证明,本文方法在规则数、训练次数、测试误差三个指标上有明显改进,同时预设参数较其他方法要少。摘要,
气●
篊甌瓸