特征扩展的随机向量函数链神经网络.pdfVIP

特征扩展的随机向量函数链神经网络.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

软件学报

ISSN

1000-9825,

CODEN

RUXUEWE-mail:

jos@

JournalofSoftware,2024,35(6):2903−2922

[doi:

10.13328/ki.jos.006920]

©中国科学院软件研究所版权所有.Tel:

+86-10

*

特征扩展的随机向量函数链神经网络

龙茂森,

王士同

(江南大学

人工智能与计算机学院,

江苏

无锡

214122)

通信作者:

王士同,

E-mail:

wxwangst@

摘要:

基于宽度学习的动态模糊推理系统(broad-learning-based

dynamic

fuzzy

inference

system

,

BL-DFIS)能自动

构建出精简的模糊规则并获得良好的分类性能.

然而,

当遇到大型复杂的数据集时,

BL-DFIS因会使用较多模糊规

则来试图达到令人满意的识别精度,

从而对其可解释性造成了不利影响.

对此,

提出一种兼顾分类性能和可解释性

的模糊神经网络,

将其称为特征扩展的随机向量函数链神经网络(FA-RVFLNN).

在该网络中,

一个以原始数据为

输入的RVFLNN被作为主体结构,

BL-DFIS则用作性能补充,

这意味着FA-RVFLNN包含具有性能增强作用的直

接链接.

由于主体结构的增强节点使用Sigmoid激活函数,

因此,

其推理过程可借助一种模糊逻辑算子(I-OR)来解

释.

而且,

具有明确含义的原始输入数据也有助于解释主体结构的推理规则.

在直接链接的支撑下,

FA-RVFLNN

可利用增强节点、特征节点和模糊节点学到更丰富的有用信息.

实验表明:

FA-RVFLNN既减缓了主体结构

RVFLNN中过多增强节点带来的“规则爆炸”问题,

也提高了性能补充结构BL-DFIS的可解释性(平均模糊规则数

降低了50%左右),

在泛化性能和网络规模上仍具有竞争力.

关键词:

宽度学习系统;

模糊推理系统;

特征扩展;

随机向量函数链神经网络

(RVFLNN);

Sigmoid激活函数;

可解释

中图法分类号:

TP18

中文引用格式:

龙茂森,

王士同.

特征扩展的随机向量函数链神经网络.

软件学报,

2024,

35(6):

2903–2922.

/

1000-9825/6920.htm

英文引用格式:

Long

MS,

Wang

ST.

Feature-augmented

Random

Vector

Functional-link

Neural

Network.

Ruan

Jian

Xue

Bao/Journal

of

Software,

2024,

35(6):

2903–2922

(in

Chinese).

/1000-9825/6920.htm

Feature-augmentedRandomVectorFunctional-linkNeuralNetwork

LONG

Mao-Sen,

WANG

Shi-Tong

(School

of

Artificial

Intelligence

and

Computer

Science,

Jiangnan

University,

Wuxi

214122,

China)

Abstract:

The

broad-learning-based

dynamic

fuzzy

inference

system

(BL-DFIS)

can

automatically

assemble

simplified

fuzzy

rules

and

achieve

high

accuracy

in

classification

tasks.

However,

when

BL-DFIS

works

on

large

and

complex

datasets,

it

may

generate

too

many

fuzzy

rules

to

achiev

文档评论(0)

你就是我的小鱼鱼 + 关注
实名认证
文档贡献者

教师资格证持证人

该用户很懒,什么也没介绍

领域认证该用户于2024年10月18日上传了教师资格证

1亿VIP精品文档

相关文档