没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
为了改进可拓神经网络的性能,提出一种基于阴影集的数据选择方法.通过该方法获取用于训练可拓神经网络的训练样本,进而改进可拓神经网络的性能.针对可拓神经网络的特点,选择核数据和边界数据作为可拓神经网络的训练样本;利用基于阴影集的数据选择方法,可以自动获取核数据和边界数据.实验结果表明,与传统可拓神经网络相比,改进的可拓神经网络不仅节约了训练时间,而且网络的泛化能力和分类识别准确度得到了有效提高.
资源推荐
资源详情
资源评论
第
39
卷第
3
期
2013
年
3
月
北京工业大学学报
JOURNAL
OF
BEIJING UNIVERSITY
OF
TECHNOLOGY
Vo
l.
39 No.3
Ma
r. 2013
基于阴影集数据选择的可拓神经网络性能改进
周玉钱旭
2
王自强
2
,
3
(l.华北水利水电学院电力学院,郑州
I
450011;
2.
中国矿业大学(北京)机电与信息工程学院,北京
100083 ;
3.
河南工业大学信息科学与工程学院,郑州
450001 )
摘
要:为了改进可拓神经网络的性能,提出一种基于阴影集的数据选择方法.通过该方法获取用于训练可拓神
经网络的训练样本,进而改进可拓神经网络的性能.针对可拓神经网络的特点,选择核数据和边界数据作为可拓神
经网络的训练样本;利用基于阴影集的数据选择方法,可以自动获取核数据和边界数据.实验结果表明,与传统可
拓神经网络相比,改进的可拓神经网络不仅节约了训练时间,而且网络的泛化能力和分类识别准确度得到了有效
提高.
关键词:可拓神经网络:数据选择:阴影集;训练样本;泛化能力
中图分类号:
TP
183
文献标志码
:A
文章编号:
0254
-0037(2013)03
-0430
-08
Performance
Im
provement
of
Extension Neural Network Using
Data
Selection Method
ßased
on
Shadowed Sets
ZHOU
Yu
1
,
QIAN
Xu
2
,
WANG
Zi-qiang
2
, 3
(
l.
School
of
Electric Power , North China University
of
Water Conservancy and Hydroelectric Power , Zhengzhou 450011 , China;
2.
School of Mechanical Electronic & Information Engineering , China University of Mining & Technology (Beijing) ,
Beijing 100083 , China;
3.
College of Information Science & Engineering, Henan University of Technology , Zhengzhou 450001 , China)
Abstract:
To
improve
the
performance
of
extension
neural
network
(ENN)
, a
data
selection
method
based
on
shadowed
sets
was
proposed.
This
method
was
used
to
obtain
training
sample
data
for
improving
the
performance
of
ENN.
According
to
the
characteristics
of
ENN
,
core
data
and
boundarγdata
were
selected
as
training
data
for
ENN;
using
shadowed-sets-based
data
selection
method
,
core
data
and
boundarγdata
could
be
captured
automatically.
Experimental
results
indicate
that
the
learning
speed
of
the
improved
extension
neural
network
(IENN)
is
faster
than
traditional
ENN.
Moreover
,
the
generalization
ability
and
the
recognition
accuracy
are
improved
effectively.
Key
words:
extension
neural
network
(ENN);
data
selection;
shadowed
sets;
training
samples;
generalization
ability
训练样本是影响神经网络性能的重要因素之
一,好的训练样本能提高神经网络的性能[
1-2]
通过
收稿日期:
2011-06-21.
对训练样本进行选择,从而改进神经网络性能的研
究工作,受到国内外学者的关注,而且有了可观的成
基金项目:国家自然科学基金资助项目
(70701013)
;教育部科技研究重点资助项目(
107021)
;华北水利水电学院高层次人
才科研启动基金资助项目
(201117)
.
作者简介:周
玉
(1979
一)
,男,讲师,主要从事智能信息处理技术、智能控制与决策方面的研究,
E-mail: zhouyu@
ncwu
edu. cn.
第
3
期
周
玉,等:基于阴影集数据选择的可拓神经网络性能改进
431
果
[3-6J
文献
[3
J
中,作者利用基于模糊聚类的训练
样本数据选择方法提高了
BP
网络的监督学习性
能;文献
[4J
中,作者采用均匀设计法构造样本中
心,结合聚类方法对训练样本进行优选,有效提高了
径向基函数神经网络的泛化能力;文献
[5
J
中,作者
利用基于主动学习的样本数据选择方法提高了学习
向量量化神经网络;文献
[6
J
中,作者针对多层感知
器,提出基于统计的主动学习训练样本选择方法,提
高了多层感知器的性能.
从以前的研究中可以发现,通过数据选择方法
对训练样本进行预处理,可以更好地指导神经网络
进行有效的训练,进而提高神经网络模型的性能.
基于此,本文提出一种基于阴影集[叫]的训练样本
数据选择方法用以提高和改进可拓神经网络
(extension
neural
network
,
ENN)
[9J
的性能.
1
可拓神经网络的性能改进
可拓神经网络
(ENN)
是继模糊神经网络、遗传
神经网络、进化神经网络等之后的又一类新的神经
网络类型[川,是可拓理论[
1I
-12J
与神经网络相结合的
产物.
ENN
对于基于区间的分类与识别等问题效果
显著,并有了较好的应用[
13-16J
针对
ENN
的特点,在阴影集的基础上提出核数
据和边界数据
2
个概念,
ENN
的训练样本将从这
2
类数据集中进行选择.基于阴影集的数据选择方法
可自动提取核数据和边界数据,有效剔除不必要的
样本,保留典型样本,提高了训练样本质量,从而使
ENN
的性能得到提高.
1.
1
阴影集概念
阴影集是由模糊集诱导而来的,目的是解决模
糊集中使用具有精确数值的隶属度来描述模糊逻辑
的缺陷问题,在于帮助观察和解释不确定现象.图
1
为一个模糊集以及由它所诱导出的阴影集的一个示
例.通过提升部分隶属度到
1
,降低部分隶属度到
O
以及维持整体不确定性平衡,可以将传统的隶属函
数变换成具有三值逻辑的阴影集,分别是隶属度为
1
、
0
和不确定的
3
个区域.由定义在论域
X
上的一
个给定的模糊集
B
而诱导的阴影集
A
是
X
中的一
个区间值集合,它将
X
中的元素映射到
0
, 1
和单位
区间
[0
,
1 J
,即
A:X
→
10
,
1
,
[0
,
1J
f.
A(x)
=0
表
示元素
z
完全排斥在
A
之外,表示为
exclusion
(
A)
;
A(x)=l
表示元素
Z
完全包含在
A
之内,也称满足
A(x)=l
的区域为核,表示为
core
(A)
;
而
A
(x)
=
[0
, 1
J
表示关于
A
中的元素
Z
的隶属度不明确,也
就是说不能确定该区域中的元素
z
是否属于
A
,
表
示为
shadow(A).
211:
工)\~-踊现)
lJ
t:
二
iíf[
费:如)
(UR)
吧
隶属度为
0
的区域,即
exclusio
叫
A)
图
1
模糊集以及由它所诱导出的阴影集
Fig. 1 Fuzzy set and its induced shadowed set
阴影集构造过程中最关键的问题之一就是|萌值
α
的计算.文献
[7
- 8
J
提出了基于不确定性平衡的
优化方法.如图
2
所示,为了尽量使隶属度改变量
整体平衡(即不确定性平衡)
,应该使得式(1)中的
V
达到最小,从而求得最优的阔值参数
α
,如式
(2)
所示.
V(
α)
=
I
r~
A(x)dx
+
(2~
(1
-A(
λ))
dx
- ( A ( x )
dx
I
(1)
α
刚=
arg
Mina
V(
α(2)
A(x)
•
构造的阴影
q
的电
度量
属加
隶增
万
JU
的
q
l
度量
属少
隶减
。
1α2
Z
图
2
计算最优阔值
Fig_
2 Computing the optimal threshold
如果
V=o
,
表示达到完全平衡,即
。
l+flz=~
(3)
对于论域是离散的情况,可用式
(4)
-式
(5)
求
最优闺值参数:
叭
α)=|azzfhz)+EAhEIα[1
-
A(
叭)
J -
叫
zε
XI
α
<A(x)
< (1
-α)
f I (
4
)
剩余7页未读,继续阅读
资源评论
weixin_38607908
- 粉丝: 7
- 资源: 935
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
最新资源
- 爱心流星雨背景_超好看.zip
- 课程设计 基于python的数据可视化分析(源码+文档)
- S1020基于C++的医院管理系统课设源码.zip
- 基于 SpringBoot + vue 的音乐网站系统源码+数据库(高分毕业设计项目)
- 课程设计 基于python的文本数据提取(源码+文档)
- Windows系统下,好用的文件搜索工具
- 基于Spring Boot的疫情居家办公解决方案:系统设计与实现
- DirectX 9 EndScene Hook 通过 rdbo,libmem 实现 Dear ImGUI.zip
- 妇女、商业与法律(WBL面板数据1971-2023年)
- 图书馆借阅管理系统,纯django+html(前后端不分离),pycharm开发(源码)
- 基于SpringBoot的在线音乐播放系统-前后端分离-高分毕业设计项目
- 绿色免安装版本的打字工具可以自定义打字内容
- 3D自动光学检测(AOI)行业市场分析:2023年全球市场规模大约为30亿元人民币.pdf
- 4K超高清电视行业市场分析:2023年全球市场销售额达到了685.5亿美元.pdf
- 2-萘硼酸行业市场分析:2023年全球市场规模大约为4.9亿元.pdf
- 26650电池组行业深度分析:中国约占全球市场份额的28%.pdf
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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