论文部分内容阅读
人工神经网络应用中最大的弊端是缺乏可理解性，而对结果的解释是任何一个完善的智能系统必备的基本特征。从神经网络中提取规则被公认为是解决该问题最有效的手段之一。因此，所提取规则的可理解程度成为衡量规则提取算法质量的重要指标。目前该领域的研究主要集中在分类规则的提取上。对于分类问题，待测模式的属性的取值可能是离散的，也可能是连续的。现有的算法针对全连续或者全离散的问题已取得较好的效果。但对既包含连续属性也包含离散属性的问题，已有算法未取得理想的结果。本文针对带混合属性的分类问题，提出了一种规则提取算法，在提取规