神经网络规则优化建模与应用

论文摘要

神经网络应用于复杂系统时存在隐含层节点确定和参数随机选择的困难,对此研究探索了一种规则优化建模方法。首先,应用粗决策树耦合算法实现增量式的动态规则提取;其次,基于获取的动态规则计算最简规则数,作为确定网络隐含层节点的依据,实现网络规则建模;再次,优化网络初始参数,规避局部极小问题并提高模型训练速度和精度;最后,将优化模型应用于空气质量预报中,性能测试和对比分析结果显示,该模型收敛速度快且误差控制在4%以内,学习速度和预报精度明显优于传统模型。该研究成果实现了动态增量模式下的规则模型构建与优化,为动态数据处理提供了一种新的研究思路。

论文目录

• 1 引言
• 2 理论基础
•   2.1 神经网络模型
•   2.2 粗集
•   2.3 决策树
•   2.4 粒子群优化算法
• 3 规则模型构建
•   3.1 规则生成
•   3.2 模型建立
• 4 模型优化
• 5 模型仿真及应用
•   5.1 数据预处理
•   5.2 神经网络规则建模
•     5.2.1 动态规则提取
•     5.2.2 模型优化
•     5.2.3 模型仿真
•   5.3 模型对比分析
•     5.3.1 不同隐含层节点对比分析
•     5.3.2 预报结果对比分析
• 6 结束语

文章来源

类型: 期刊论文

作者: 陈丽芳,冯力静,刘保相

关键词: 粗集,决策树,粒子群优化算法,神经网络,动态规则

来源: 计算机工程与科学 2019年12期

年度: 2019

分类: 信息科技

专业: 自动化技术

单位: 华北理工大学理学院

基金: 国家自然科学基金（61370168）,河北省自然科学基金（F2014209086）

分类号: TP183

页码: 2247-2254

总页数: 8

文件大小: 683K

下载量: 177