多层前向网络的交叉覆盖设计算法

文章根据多层前向权、阈值神经网络的设计原则,将设计过程分成两步进行:先用尽可能少的领域将样本中的各类分隔开来,然后再用作者提出的交叉覆盖算法进行网络设计.文章给出两个很有代表性的模拟例子,一个是平面上两根螺线的分离问题,另一个是“无穷样本学习”的例子.模拟结果证明了此方法的有效性.     

前向FP神经网络实现控制系统的拒识模式

在现代控制系统中,处理误识与拒识的关系至关重要,因为在现代化控制系统中前者造成的危害将比后者大得多.通过将新型FP(ForwardPropagation)神经网络应用于实现控制系统的拒识模式,该FP神经网络通过对由控制系统控制指令码和状态信息码构成样本集的学习,不仅可以实现系统中每个控制指令码和状态信息码的吸引半径按需设定,且每个信息码具有最大吸引半径,控制系统自动具有最优的纠错和容错能力,对于系统中控制向量吸引半径之外的信号给以100%的拒识.从而提高系统信号识别的正确率,保证控制系统安全可靠的正常运行.     

构造性覆盖算法的知识发现方法研究

该文提出一种新的基于构造性覆盖算法的知识发现方法。由于覆盖网络构造方法的特殊性,使得形成的每个覆盖领域都很有价值,对覆盖领域内样本分析能挖掘出数据内在的知识,且可以根据需求构造不同的覆盖网络,形成对数据的多侧面的分析;实验结果表明覆盖算法用于知识发现的方法是有效可行的。