没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
神经网络规则优化建模与应用
∗
陈丽芳
,
冯力静
,
刘保相
(
华北理工大学理学院
,
河北 唐山
063210
)
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
.
关键词
:
粗集
;
决策树
;
粒子群优化算法
;
BP
神经网络
;
动态规则
中图分类号
:
TP183
文献标志码
:
A
doi
:
10.3969
/
j
.issn.1007G130X.2019.12.021
Neuralnetworkruleo
p
timizationmodelin
g
anditsa
pp
lication
CHENLiGfan
g
,
FENGLiG
j
in
g
,
LIUBaoGxian
g
(
Colle
g
eofScience
,
NorthChinaUniversit
y
ofScienceandTechnolo
gy
,
Tan
g
shan063210
,
China
)
Abstract
:
Itisdifficulttodeterminehiddenla
y
ernodesandselect
p
arametersrandoml
y
whenneural
networkisa
pp
liedtocom
p
lexs
y
stems.Tosolvethis
p
roblem
,
anewrulemodelin
g
methodisex
p
lored.
Firstl
y
,
theincrementald
y
namicruleextractionisrealizedb
y
therou
g
hset&decisiontreecou
p
lin
g
alG
g
orithm.Secondl
y
,
theobtainedd
y
namicrulesareusedtocalculatetheminimumrulenumber
,
which
canbeusedasthebasistodeterminethehiddenla
y
ernodesandrealizenetworkrulemodelin
g
.Thirdl
y
,
theinitialnetwork
p
arametersareo
p
timizedtoavoidlocalminimumandim
p
rovethetrainin
g
s
p
eedand
p
recisionofthemodel.Finall
y
,
theo
p
timizationmodelisa
pp
liedtotheair
q
ualit
y
forecast.PerformG
ancetestandcom
p
arativeanal
y
sisshowthatthemodelhasafastconver
g
ences
p
eedandcontrolstheerG
rorwithin4%
,
anditslearnin
g
s
p
eedand
p
redictionaccurac
y
areobviousl
y
betterthanthetraditional
model.Theresearchresultsrealizetherulemodelconstructionando
p
timizationunderd
y
namicincreG
mentalmodeand
p
rovideanewresearchideaford
y
namicdata
p
rocessin
g
.
Ke
y
words
:
rou
g
hset
;
decisiontree
;
p
articleswarmo
p
timizational
g
orithm
;
BPneuralnetwork
;
d
y
G
namicrule
1
引言
传统的神经网络模型适用于静态数据处理
,
而
实际应用中神经网 络 模型常 常 需要适 应 数据动 态
特征的需求
;
网络 的隐含 层 节点数
,
一般 采 用依据
经验公式并结合实验手段的方法确定
,
存在很大的
任意性
;
网络权值
、
阈值 等 初始参 数 采取随 机 生成
的方式
,
使学习过程容易陷入局部极小
.
以上
3
点
是神经网络 理 论 与 应 用 深 入 研 究 中 的 关 键 问 题
.
∗
收稿日期
:
2019G04G18
;
修回日期
:
2019G06G21
基金项目
:
国家自然科学基金
(
61370168
);
河北省自然科学基金
(
F2014209086
)
通信地址
:
063210
河北省唐山市曹妃甸区唐山湾生态城渤海大道
21
号华北理工大学理学院
Address
:
Colle
g
eofScience
,
NorthChinaUniversit
y
ofScienceandTechnolo
gy
,
21BohaiAvenue
,
Tan
g
shanBa
y
Ecolo
g
icalCit
y
,
CaG
ofeidianDistrict
,
Tan
g
shan063210
,
Hebei
,
P.R.China
CN43G1258
/
TP
ISSN1007G130X
计算机工程与科学
Com
p
uterEn
g
ineerin
g
& Science
第
41
卷第
12
期
2019
年
12
月
Vol41
,
No12
,
Dec2019
文章编号
:
1007G130X
(
2019
)
12G2247G08
资源评论
数据资源
- 粉丝: 110
- 资源: 23万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功