基于模糊多层感知机的模式分类方法的研究

本文着重研究应用模糊神经网络来进行模式分类的问题,提出了一种基于模糊多层感知机的模式分类方法,学习方法采用自适应BP算法。这个网络最显著的特征是能处理网络输入、输出的不确定性和不准确性,并可以进行规则解释。输入隶属函数的中心和半径根据数据分布情况自动生成。输入向量由类隶属度决定。对该方法进行检验的结果表明它是切实可行的,其分类的精度很高,明显优于非模糊分类器。

模糊神经网络用于SARS疾病疫情非线性系统的辨识和预报

论文提出了模糊神经网络用于SARS疾病疫情非线性系统建模和预报的思想,同时该方法可以推广到各种流行性疾病的预防和控制中。模糊神经网络是近年来发展起来的新兴学科,它主要应用于非线性系统的建模、预报和控制,特别适合于不同输入类型的模型系统。而流行性疾病的传播规律较好地与模糊神经网络模型特点相符合,所以在这里提出用模糊神经网络用于SARS疾病疫情非线性系统的辩识和预报的观点,相应的也可推演到其它流行性疾病传播规律中。