论文部分内容阅读
采用基于粗糙集的模糊神经网络模型，将粗糙集理论与模糊神经网络相结合，通过利用粗糙集理论中的约简的计算方法，从样本数据中获取精简的规则，再根据这些规则构造模糊神经网络各层的神经元个数，克服了当输入维数高时，模糊神经网络的结构过于庞大的缺点，从而使网络模型结构最简。并采用误差反向传播算法（BP算法）来训练该新型网络中的权值参数及隶属函数的中心值和宽度，仿真结果验证了该模型的优越性。