1 9 9 8年 9月
第17卷 第3期
沈 阳 工 业 学 院 学 报
JOURNAL OF'SHENYANG INSTITUTE OF TECHNOLOGY sep.1 9 9 8
一
种基于神经网络的模糊知识 自动获取方法
1 孙 杰 曹莉莉 宋 凯 姚天顺、,/
· . . - -- -- — - —. . . . ..
(沈 阳工业 学院计算机系 .沈阳 110015) (束北大学 )
弋P
摘 要 通过 采用 神 经 网络技 术 和 引入 动态神经 元 ,提 出 T一 种模 糊
知识 自动获取方法,并应用于从分 类数据样本集中获取 以模糊语言值描述
的模 糊规 则知 识.文 中着重讨 论 1这 种神 经 网络模 型 、实现算法及模 糊规 则
获取 问题.实验 结 果表 明 了该 方法 的有 效性 和 实用性 .
关键词 苎塑兰望鉴马, 丝苎 ,兰兰!
分 类号 TP39
宫
掀俐 溉
模糊知识的获取是设计和实现模糊智能系统的关键 ,并在人类问题理解中起着重要作用.
传统的获取方法是通过对专家经验的总结,人工得到相应的隶属 函数和模糊规则并逐步修正.
这种方法 费时费力且精度较差.由于神经网络具有对太规模数据集的 自适应学 习能力 ,因此为
实现模糊知识 自动获取提供了一条新的途径并受到人们的广泛重视 ].
神经网络知识获取通常分为获取神经 网络的结构描述知识和获取样本集的定性描述 知
识.目前 ,对前者的研究较多井有一些方法和成果出现,而后者的困难较 太且 缺乏有效的实现
途径0 ].本文利用竞争神经 网络能确定学习样本概率聚类中心的特点 ,将有监督学习和无监
督学习相结合,提出了一种基于神经网络的模糊知识 自动获取方法.它借助于模糊集理论从训
练后的定量神经 网络 中提取有较高精度的模糊定性规则.
1 网络模型 及学 习算法
本文考虑一类模糊样本集 E— D.× D:× … × Dl c× [r,1]的分类学 习问题.设已获
取样本构成 的样 本集为 s,s匕 E.对于任意样本 e∈S,e的具体形式可描述为
£ ((^】一 函 ) ^ (^2一 ) ^ … ^ (^.一 )) (C — ), ,
其中t①A 为样本的前提特征 ,其取值 蕾 ∈ n 亡 ,n 为实数 区间 i一 1,2,… ,nI
◎ 为 e的结论 ,可视为一种分类, ∈C一 {c ,c2,…, ),p为分类数I
③ 可信度 c,∈ (r,1],r为给定的激活值 ,r∈ (o,1].
收稿日期 t1997—09~l2
维普资讯 http://www.cqvip.com