神经网络的相关优化算法
摘要简介:数据的上界和下界概念在人工智能领域中使用得非常普遍,在粗糙集理论中尤为明显,随着粗集理论的不断发展,上下边界的概念得到更大范围内的应用。本文将经典的神经网络和粗集理论有机地结合,提出了一种基于粗集理论的神经网络,并应用神经网络的粗糙模式建立预测模型。在粗糙模式下每个神经网络的输入值不是一个单值而是一对值,即上下边界数据,经典的神经网络在预测模型中采用的是单值数据作为输入值,但是在一些应用中会产生问题,如医院要对病人进行病情的跟踪观察,并希望对其未来的情况进行预测,这时经典的神经网络就难以适用了,对于一个病人来说,心跳次数,脉搏次数,血压值,体温等项指标在一天当中
用户评论