多层前馈神经网络在基于案例推理的应用
基于案例的推理(CBR)系统的增量式学习会使案例库逐渐增大,导致案例的检索时间较长,效率较低.多层前馈神经网络是构造性神经网络技术,很容易构筑及理解,具有较低的时间和空间复杂性和较高的识别率.利用该神经网络技术对案例库进行分类后,待求解的新问题只需在某个子案例库中进行检索,便可以有效地解决大规模案例库的能力与效率的维护问题,确保CBR系统的能力保护与效率保护兼顾的实现,为大规模案例库的应用提供技术保证.
多层前馈神经网络、基于案例的推量、分类、覆盖算法
25
TP181(自动化基础理论)
中国科学院资助项目60273043;安徽省自然科学基金050460402
2005-11-24(万方平台首次上网日期,不代表论文的发表时间)
共3页
2650-2652