粒度神经网络原理及应用PDF电子书下载

1 绪论 1

1.1 研究背景 1

1.2 国内外研究现状 2

1.3 存在的问题及本书研究的重点 13

1.4 本书的主要研究内容和组织结构 15

2 粗糙集理论基础 17

2.1 概述 17

2.2 粗糙集的基本概念 19

2.3 粗糙集中的知识表示 23

2.4 知识约简原理 25

2.5 决策表属性约简算法 28

2.6 小结 30

3 基于粗糙集和QPSO算法的粒度BP神经网络 32

3.1 BP神经网络概述 33

3.2 基于粗糙集的粒度约简 38

3.3 粒度BP网络的结构与算法 40

3.4 实验与分析 46

3.5 小结 52

4 基于粗糙集和AP聚类算法的粒度RBF神经网络 53

4.1 RBF神经网络概述 54

4.2 粒度RBF神经网络的结构与学习算法 56

4.3 实验与分析 60

4.4 小结 66

5 具有自适应极速学习能力的单隐层粒度神经网络 67

5.1 ELM概述 68

5.2 单隐层粒度神经网络的结构 70

5.3 单隐层粒度神经网络的自适应极速学习算法 72

5.4 实验与分析 72

5.5 小结 79

6 基于粗规则的粒度神经网络 80

6.1 决策规则的提取 81

6.2 粗规则粒度神经网络的结构和学习算法 88

6.3 实验与分析 93

6.4 小结 97

7 基于变精度粗糙集的粒度双神经元网络 98

7.1 变精度粗糙集模型概述 99

7.2 粒度双神经元结构 101

7.3 粒度双神经元网络模型 104

7.4 粒度双神经元网络的进一步优化 106

7.5 实验与分析 109

7.6 小结 113

8 总结与展望 114

8.1 总结 114

8.2 展望 116

参考文献 118