【摘 要】
:
近几年,模糊理论和神经网络技术是人工智能研究领域中的两个热点.将二者有机的结合起来,形成了模糊神经网络(Fuzzy Neural Network,简称"FNN"). FNN就是具有模糊权系数或者输
论文部分内容阅读
近几年,模糊理论和神经网络技术是人工智能研究领域中的两个热点.将二者有机的结合起来,形成了模糊神经网络(Fuzzy Neural Network,简称"FNN"). FNN就是具有模糊权系数或者输入信号是模糊量的神经网络.FNN吸取了人工神经网络和模糊理论的优点,它在处理非线性、模糊输入等难题上有很大的优势,并且在处理智能信息上具有很大的潜力.在FNN基础上又发展了一般模糊极小极大神经网络(General Fuzzy Min-Max Neural Network,简称"GFMN"),此网络是一种具有鲜明特征的网络,它是FNN分类和聚类的融合.本文主要由两部分组成:第一部分是对GFMN的概述;第二部分是对GFMN的改进,并将其应用于企业资信评估中.GFMN的主要优点是利用超盒可以同时处理标记数据和未标记数据,学习部分标识的数据在模式识别系统中是非常重要的一环,当然怎么有效的识别未标识数据也是必不可少的.但是该网络也存在一些缺陷,不能够完全聚类和自适应在线学习,其训练样本仍然需要部分标识出来;当遇到新的类时,则只能将其全部归为未知的类,进而无法达到聚类的预期效果.本文提出改进后的GFMN正好填补了这一不足.在学习实验样本过程中,网络试图包含这个实验样本于已存在的同一类的超盒中,超盒的大小将会改变,那么这个过程被称为超盒扩张.若超盒扩张不存在,则网络加入一个新的超盒,并且属于同一类的超盒的聚合形成一个完整的类.通过修改其结构和学习算法,实现了加入新类或删除一个已存在类功能的GFMN,解决了原有算法中存在的不足之处.为了更为广泛的应用GFMN,以对企业资信评估分析为例来验证本文提出的网络结构和学习算法的有效性.
其他文献
为探讨短期噪声暴露对男性受试者绩效及烦扰度的影响,49名男性受试者在88 d B(A)的噪声下暴露1小时,期间进行绩效测试及烦扰度量表调查,绩效测试包括圈数字、心算、记忆力、8
本文主要研究随机固定资产系统模型,此模型是由随机微分方程构造的,我们主要讨论模型的数值解计算方法问题.由于在实际生产过程中,固定资产的形成和消耗或多或少会受到环境因素
假设检验理论是数理统计学中一个非常重要的内容,其理论已比较完善.然而,如果在样本观测值或待检假设中引入模糊概念,则将面临很多新颖而又有趣的问题,该类问题统称为模糊假设检
由于执行器饱和会导致系统的性能变差,因而近年来,对于受限于执行器饱和的控制系统的理论研究受到了广泛的关注。半马尔可夫跳跃系统太众多领域有着广泛的应用,其条件相比马尔可
同步是自然界和社会中普遍存在的一种现象,复杂网络的同步在物理、化学、生物振子以及经济领域中都有着广泛的应用.近几年,随着对复杂网络的深入研究,人们认识到现实中大多数的网络并不是独立存在的,而是与其他网络在结构或功能上相互依存,从而形成了多层网络.多层网络已经成为当今复杂网络领域的最前沿研究方向之一,其中星型网络的研究最为广泛.本文在文献[1,3]提出的双层星型复杂网络模型的基础上,按照两个网络中节
本文主要讨论部分线性模型:Y=Xτβ+m(T)+ε,并且假设E(Y|X,T)=Xτβ+m(T),Var(Y|X,T)=σ2V(Xτβ+m(T)),其中Y是响应变量,X,T是协变量,m(·)是未知可测函数,ε期望为0,且与(X,T)相
图的交叉数是在近代图论中发展起来的一个重要概念,主要研究如何把图画在一个平面上,使其交叉数目最少.由于其理论的实用性,吸引着许多学者的关注和研究.但确定一般图的交叉数是
在国家自然科学基金(编号:11372282)资助下,本文主要从非线性动力学角度对非线性无线网络中带有窗口时滞(发生拥塞丢失时,执行标记或者删除数据包所需时间)的拥塞控制模型进行了
近年来,复杂网络得到蓬勃发展,成为一个可以很好地描述社会科学,自然科学,数理学科,生命学科和工程技术等领域相互关联的模型.通过对复杂网络的划分进而发现网络社团中结构的特点,有助于发现复杂网络中一些潜藏的规则和定律,对解决实际生活中的一些问题具有较强的应用价值.目前,研究人员已经提出了很多有关复杂网络划分的方法,这些方法为涉及复杂网络的各个领域的研究者提供了新的研究思路和方向.在复杂网络的研究内容中