基于模糊化输入和反转提高神经网络分类性能的方法

为有效提高神经网络的分类性能，首先提出了一个可处理模糊输入的模糊神经网络结构，然后由模糊输出和非模糊目标输出定义了代价函数，推导出相应的学习算法，并对该模糊神经网络进行反转，提出了模糊化的反转算法．最后，通过计算机仿真实际的模式分类问题，验证了所提出的方法的有效性．实验结果表明，所提出的方法具有学习效率高、分类准确率高、泛化能力高的优点．