论文部分内容阅读
人工神经网络在智能信息处理领域十分活跃，历经数年人工神经网络理论获得了长足的发展。随着实际问题复杂性的增强，光靠人工神经网络来处理这些问题，在某些方面已经显得不足。本文将数据中的先验知识引入到人工神经网络的建模中，利用先验知识来改进、调整和优化神经网络的权值、结构等网络重要部分。
本文主要分成以下三部分：
第一部分主要介绍人工神经网络与先验知识的相关知识。第一章简要介绍人工神经网络产生的背景与发展历程以及人工神经网络的定义、分类和特点；第二章介绍先验知识的分类形式以及先验知识对网络约束的不同方式。
第二部分主要研究基于先验知识对人工神经网络进行权值约束及结构约束等问题。第三章我们讨论了基于凹凸性先验知识进行网络权值约束的方法，给出了改进后权值调整的新算法，并通过实例仿真说明了此方法的优越性；第四章我们讨论了基于单调性先验知识对模糊神经网络进行网络结构约束的方法，提出了一个基于单调性先验知识的规则可信度计算公式，同时构建一个新隐含层对规则进行重组，获得一个满足先验知识且规则少而精的网络结构。通过实例仿真对理论部分进行了验证。
第三部分对本文的主要工作做了一个总结，并提出了一些需要继续研究和探讨的问题。