金融风险预警的RST-FNN模型研究
将粗糙集理论(RST)与模糊神经网络(FNN)相结合,提出了一种基于粗糙集理论的模糊神经网络(RST-FNN)模型。新模型利用粗糙集的知识约简对样本数据去噪消冗,提取最优规则,从而克服模糊神经网络的“维数爆炸”灾难。实例仿真的结果表明,该模型的预测准确性较高,且具有结构精简、收敛速度快及泛化能力强等特点。
金融风险预警、模糊神经网络、粗糙集理论
TP18(自动化基础理论)
该文受广东省自然科学基金项目10452404801006352;广东高校优秀青年创新人才培育项目WYM10103;湛江师范学院项目W0817
2013-12-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
7078-7082,7095