本书从两个方面研究了基于粗糙集的粒度神经网络模型。一种方式是使用粗糙集作为前置系统,利用属性约简算法对数据集进行粒度约简,以简化神经网络的结构,提高神经网络的训练速度和预测精度。另一种方式是利用粗糙集及其扩展模型来提取决策规则,根据提取的规则来定义粒度神经元及其连接权值,实现粗糙集和神经网络的无缝融合。此外,本书还研究了每一种粒度神经网络模型的极速学习算法,该算法通过数学变换实现了学习过程的一次性完成。

提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。