基于云變換的云神經(jīng)絡

1、基于云變換的云神經(jīng)網(wǎng)絡一、引言云神經(jīng)網(wǎng)絡具有良好的性能，原因在于：⑴BP短發(fā)對初始權(quán)值非常敏感，而云變化能從樣本數(shù)據(jù)中提取初始的網(wǎng)絡權(quán)值，這大大提高了訓練速度。⑵云神經(jīng)網(wǎng)絡能較好的體現(xiàn)隨機性、模糊性和兩個樣本之間的相關(guān)性基于云變換的云神經(jīng)網(wǎng)絡實現(xiàn)步驟：⑴通過云變換，把連續(xù)數(shù)據(jù)離散化，實現(xiàn)定量與定性之間不確定的轉(zhuǎn)換。從而得到云的數(shù)字特征。⑵用前一步得到的云數(shù)字特征來初始化云神經(jīng)網(wǎng)絡的權(quán)值。⑶云神經(jīng)網(wǎng)絡訓練：訓練云神經(jīng)網(wǎng)絡，通過訓練樣本來調(diào)

2、整權(quán)值。模型的準確度達到規(guī)定要求后，訓練結(jié)束。⑷把測試樣本輸入網(wǎng)絡，進行預測。二、云變換的步驟：⑴對屬性的論域中的每一個可能屬性值，計算數(shù)據(jù)庫中含有該屬性值的記錄個kAx數(shù)，得到的頻率分布函數(shù)。kA()fx⑵尋找數(shù)據(jù)分布函數(shù)分波峰所在位置，將其屬性值定義為云的質(zhì)心位置（期望）()fx，計算用于擬合的，以為期望的云模型的熵，計算云模型的分布函數(shù)。iEx()fxiEx()ifx⑶從中減去已知云模型的數(shù)據(jù)分布，得到新的數(shù)據(jù)分布函數(shù)，并在()f

3、x()ifx()fx此基礎(chǔ)上重復⑵、⑶，得到多個基于云的數(shù)據(jù)分布函數(shù)。⑷根據(jù)已知的，最后得到的擬合誤差函數(shù)及各個云模型的分布函數(shù)，計()fx()fx算基于云模型的定性概念的3個特征值。三、云神經(jīng)網(wǎng)絡結(jié)構(gòu)圖輸出：(3)(3)(3)jjjjxagf???其中??????112212....12..........12....mnimimim???（為規(guī)則數(shù)）112....niijmmm????m是第個輸入元素相對于第條規(guī)則的超熵。kiiHe

4、xik④第四層：標準化層。它的功能是標準化確定度。輸入：，輸出(3)(4)(3)1jmiiixfx???(4)(4)412....jjjjxagfjm????⑤第五層：后向云發(fā)生器層。它的功能是反模糊化，并輸出計算的值。輸入：(5)(4)11mmiijjijjjjfwxwa??????輸出：(5)(5)(5)12....iiiixygfir????四、網(wǎng)絡的學習算法參數(shù)的自適應調(diào)節(jié)算法采用BP算法。網(wǎng)絡輸出誤差的學習函數(shù)為，其中是理想輸