训练样本质量对人工神经网络性能的影响

分析人工神经网络预报中的误差来源。推导人工神经网络预报过程中预报误差和训练样本质量之间的关系；讨论训练样本质量对用于时间序列预报人工种经网络性能的影响；并从统计的观声、引入用于评价训练样本质量的数字指标“一致度’（DCT）；还随新指标给出一些模拟结果和相应的建议，以便在人工种经网络训练中准确地选择训练样本。

粗糙集-神经网络故障诊断方法研究

从人工神经网络故障诊断模型的特点出发 ,利用粗糙集理论解决该模型应用中的主要问题 ,包括进行训练样本质量研究 ,定义相关概念 ,给出故障特征提取算法等 ,提出了粗糙集 神经网络智能混合系统模型 ,分析了该模型的实现步骤 ,结合具体实例验证了上述理论的正确性·利用SAS软件进行了数值仿真·结果表明 ,提出的理论较好地解决了神经网络结构、训练样本的大小、样本质量等对人工神经网络的精度及泛化能力有直接影响的问题 ,减少了训练所需的计算量和时间 ,提高了模型的正确率·