排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
本文着重研究应用模糊神经网络来进行模式分类的问题,提出了一种基于模糊多层感知机的模式分类方法,学习方法采用自适应BP算法,这个网络最显著的特征是能处理网络输入,输出的不确定性和不准确性,并可以进行规则解释,输入隶属函数的中心和半径根据数据分布情况处动生成,输入向量由类隶属度决定,对该方法进行检验的结果表明它是是切害可行的,其分类的精度很高,明显优于非模糊分类器。 相似文献
2.
本文着重研究应用模糊神经网络来进行模式分类的问题,提出了一种基于模糊多层感知机的模式分类方法,学习方法采用自适应BP算法。这个网络最显著的特征是能处理网络输入、输出的不确定性和不准确性,并可以进行规则解释。输入隶属函数的中心和半径根据数据分布情况自动生成。输入向量由类隶属度决定。对该方法进行检验的结果表明它是切实可行的,其分类的精度很高,明显优于非模糊分类器。 相似文献
1