当前位置:大学毕业论文> 硕士论文>材料浏览

关于神经网络论文范文写作 基于改进神经网络挖掘算法设计相关论文写作资料

主题:神经网络论文写作 时间:2024-02-13

基于改进神经网络挖掘算法设计,该文是关于神经网络论文范文,为你的论文写作提供相关论文资料参考。

神经网络论文参考文献:

神经网络论文参考文献 计算机网络毕业设计毕业设计日志毕业设计设计投稿

摘 要: 针对传统的数据挖掘算法存在结构复杂、耗时长、数据分析过程中易出现错误,数据计算结果难以准确表达结果等缺陷,提出结合神经网络在数据挖掘中的应用方法.由于神经网络拥有对噪声数据承受能力高、错误率低等优点,因此结合神经网络系统对数据挖掘算法进行改进设计可大幅度提高数据准确性,该方法拥有结构简单、表述清晰、精准度高等优势.为基于神经网络的数据挖掘算法的可行性进行了严谨的实验分析,对实验数据进行认真的记录和研究,实验结果表明,基于神经网络的挖掘算法相比传统数据挖掘算法,其精度明显提高,且整个过程耗时较短,由此可证实基于神经网络的数据挖掘算法具有更高的实用性.

关键词: 数据挖掘; 神经网络; 粗糙集; 数据挖掘算法; 数据计算; 可行性分析

中图分类号: TN711?34; TP183 文献标识码: A 文章编号: 1004?373X(2018)14?0143?04

Design of mining algorithm based on improved neural network

HUANG Wenfeng

(Henan Provincial Institute of Scientific & Technical Information, Zhengzhou 450003, China)

Abstract: In allusion to the shortcomings existing in the traditional data mining algorithm for its complex structure, long time consumption, error easily appearing in data analysis process, and difficulty in accurate result expression of data calculation results, an application method of combining neural network in data mining is put forward. As the neural network has the advantages of strong ability to withstand noise data, and low error rate, improvement design of the data mining algorithm by combining with the neural network system can greatly improve the data accuracy. This method has the advantages of simple structure, clear expression, high precision and so on. A rigorous experiment analysis for the feasibility of the data mining algorithm based on neural network is performed on the basis of the recorded experimental data. The experimental results show that the mining algorithm based on neural network has higher accuracy and shorter time consumption than the traditional data mining algorithm, which can confirm that the data mining algorithm based on neural network is more practical.

Keywords: data mining; neural network; rough set; data mining algorithm; data calculation; feasibility analysis0 引 言

数据挖掘算法是从数据库的数据中提取隐含有用信息的过程.现阶段常用的数据挖掘算法和理论主要集中于粗糙集理论和遗传算法等相结合的方式[1].为了解决传统方法结构复杂、耗时长、错误率高等问题,提出改进神经网络的数据挖掘算法.首先对神经网络进行优化和改进,以便减少误差,然后基于改进后的神经网络设计数据挖掘算法.该算法拥有鲁棒性强、精准度高、抗噪能力强、数据承受能力高、错误率低等优势,可广泛应用于机器学习等领域[2].通过仿真实验对神经网络挖掘算法的功能进行验证发现其对数据的搜索能力强大、擅长全局搜索,且对数据挖掘的准确性和实时性相对较高,可成功解决传统方法中的诸多缺陷,具有较高的使用价值.

1 神经网络算法优化设计

结合神经网络自身特点以及遗传算法的优势对神经网络进行优化[3].本文默认网络结构为拓扑结构,主要便于对隐层数及节点数进行计算.由于人工干预常常会对网络隐层数及节点数造成一定破坏,难以对其进行准确测量和计算,考虑通过遗传算法对其进行优化从而避免人工干预次数[4].

首先,对初始化网络结构进行验证和确定,然后利用遗传算法迭代产生权值优化解[5].设P为初始权值,按照遗传算法对网络隐层数进行计算,在得到结果后进一步观察,若网络节点数大概满足:

[Pli→0?Pli→0, i等于1,2,等,n;l等于1,2,等,m] (1)

則可以考虑将网络节点删除.重新用遗传算法产生的权值进行训练,如果达到了满意的结果,那么证明该算法有效,从而优化了网络结构[6].为了避免网络优化过程中出现误差影响优化结构,采用均方根误差函数对系统进行验证,计算方法如下:

结论:关于本文可作为相关专业神经网络论文写作研究的大学硕士与本科毕业论文深度神经网络算法论文开题报告范文和职称论文参考文献资料。

基于遗传算法和RBF神经网络核电厂安全管理评价模型
中图分类号:F273 文献标识:A 文章编号:1674-1145(2017)03-000-02摘 要 遗传算法具有很强的全局搜索能力,但是容易。

基于BP神经网络车牌识别技术算法分析
摘要:车牌识别是计算机视觉技术的一种典型应用,以机器视觉、图形图像、模式识别等为理论基础,采用神经网络、形态学、投影等技术实现车辆拍照、视频分解。

基于遗传算法BP神经网络在权证定价中应用
摘要:对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一。传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具。

基于改进RBF神经网络矿井瓦斯涌出量预测
摘 要:介绍了瓦斯涌出量对矿井安全的影响及一种改进的RBF算法——IRBF算法,借助Matlab软件利用BP算法、传统RBF算法及IRBF算法对。

论文大全