论文部分内容阅读
将粗糙集理论同神经网络结合起来，提出了一种基于粗糙集的神经网络体系结构，并以此为基础讨论了神经网络中的规则提取方法．为扩大神经网络的适用范围，利用粗糙集理论中的相关概念来指导神经网络系统的构建，从而使系统参数具有较为明确的物理意义．提出一种对该网络进行训练的学习算法．根据网络中各节点所对应的物理意义以及相应连接权值的大小，给出了一种折衷型算法对粗糙神经网络进行推理规则提取和生成．实验结果表明：粗糙神经网络具有较好的工作性能，并且能给出相应的推理规则．