一种基于粗糙集的粗糙神经网络构造方法

何　明　冯博琴　马兆丰　傅向华

摘要：针对神经网络中各神经元和权不能赋予明确的物理意义，提出了一种基于粗糙集的神经网络模型．该模型利用粗糙集理论数值分析的能力，首先从给定的数据集中抽取出规则，然后根据这些规则构造神经网络隐含层的神经元个数，从而确定粗糙神经网络的初始拓扑结构．同时，将输入映射到输出子空间，并在这个子空间上用神经网络进行逼近，由此得到一种可理解性好、收敛速度快的神经网络模型．实验结果表明，该模型能够较好地处理神经网络拓扑结构、训练样本的大小、样本质量等对神经网络的精度及泛化能力有直接影响的问题，在大大缩短训练时间的同时，它的预测精度可达96．4％，较同条件下径向基函数神经网络模型的精度高3．6％．

关键词：粗糙集；神经网络；粗糙集数据分析；粗糙神经元

中图分类号：TP18文献标识码：A文章编号：0253—987X(2004)12—1240—03