属性依赖理论及其在神经网络中的应用

神经网络的优化方法一般仅局限于学习算法、输入属性方面。由于神经网络拟合的高维映射存在复杂的内在属性依赖关系,而传统的优化方法却没有对其进行分析研究。以函数依赖理论为基础,提出了属性依赖理论,阐述了属性依赖的有关定义,证明了相关定理;并且与径向基函数（RBF）神经网络结合,提出了基于属性依赖理论的RBF神经网络结构优化方法（ADO-RBF）。最后通过实例证明了该方法在实际应用中的可行性。     

浅析待测物元与可测物元在可拓检测中的转换

以可拓检测为基础,对于可拓检测中可测物元与待测物元的相互转化问题,提出新的思路,即以模糊推理的检测模型、可拓变换与关联函数为粒子群算法的设计规则,提出基于可拓粒子群算法和模糊推理的待测物元转化问题的解决方法,并通过实际例子的应用验证该方法的可行性.     

可拓检测中的待测物元转换问题研究与分析

以可拓检测为研究基础,提出第3类检测问题：待测物元转化问题,即新的检测环境下的可测物元与待测物元的互换问题。针对该问题的特殊性,以基于神经网络的检测模型为问题求解框架,可拓变换与关联函数作为遗传算法的设计准则,提出基于可拓遗传算法和神经网络的待测物元转化问题的解决方法。通过实际例子的应用验证了该方法的可行性。