一种新型的神经网络构造方法RCBNN  

RCBNN:A New Constructing Method for Neural Network

作　　者：谢振华[1] 李宁[1] 商琳[1] 陈兆乾[1] 陈世福[1] 

机构地区：[1]南京大学计算机软件新技术国家重点实验室,南京210093

出　　处：《计算机科学》2005年第8期166-169,共4页Computer Science

基　　金：国家自然科学基金(60273033);江苏省自然科学基金(BK2003067)

摘　　要：一个好的神经网络结构可以大大提高它的处理能力和收敛速度,所以神经网络的构造方法一直是人们研究的热点问题。本文利用粗集理论的数据分析能力和决策树对数值属性的分割能力,提出一种基于粗集与决策树的新型神经网络构造方法RCBNN。经试验表明,使用该方法构造的神经网络,具有易于构造、可理解性好、收敛速度快且构造的网络规模较小的特点。A good structure can greatly improve the power and convergent speed of neural network. According this, the constructing method is always a hotspot in neural network research. This paper proposes a constructing method for neural network based on Rough Set and Decision Tree. Rough Set has good capability of data analysis; Decision Tree is good at segmentation of continues-valued attributes. This method makes good use of these advantages. Experimental results show that the neural network designed by this method is easy constructible, good understandable, fast convergent, and small dimensional.

关 键 词：神经网络 粗集 决策树 神经网络结构 构造方法 收敛速度 处理能力 粗集理论 数值属性 分析能力 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] O157[自动化与计算机技术—控制科学与工程]