论文部分内容阅读
为有效提高神经网络的分类性能,首先提出了一个可处理模糊输入的模糊神经网络结构,然后由模糊输出和非模糊目标输出定义了代价函数,推导出相应的学习算法,并对该模糊神经网络进行反转,提出了模糊化的反转算法.最后,通过计算机仿真实际的模式分类问题,验证了所提出的方法的有效性.实验结果表明,所提出的方法具有学习效率高、分类准确率高、泛化能力高的优点.