您的位置: 专家智库 > >

谢振华

作品数:7 被引量:35H指数:3
供职机构:南京大学计算机科学与技术系更多>>
发文基金:江苏省自然科学基金国家自然科学基金更多>>
相关领域:自动化与计算机技术自然科学总论理学更多>>

文献类型

  • 5篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 7篇自动化与计算...
  • 1篇自然科学总论
  • 1篇理学

主题

  • 7篇神经网
  • 7篇神经网络
  • 4篇粗糙集
  • 3篇网络
  • 2篇遗传算法
  • 2篇决策树
  • 2篇粗集
  • 1篇预处理
  • 1篇人脸
  • 1篇人脸识别
  • 1篇人脸识别技术
  • 1篇神经计算
  • 1篇神经网络集成
  • 1篇神经网络结构
  • 1篇识别技术
  • 1篇收敛速度
  • 1篇属性约减
  • 1篇数据预处理
  • 1篇前馈
  • 1篇前馈神经网络

机构

  • 7篇南京大学

作者

  • 7篇谢振华
  • 6篇李宁
  • 5篇陈世福
  • 5篇商琳
  • 3篇陈兆乾
  • 2篇王金根
  • 1篇万琼
  • 1篇谢俊元
  • 1篇李宁

传媒

  • 2篇计算机应用研...
  • 1篇计算机研究与...
  • 1篇复旦学报(自...
  • 1篇计算机科学
  • 1篇中国人工智能...

年份

  • 1篇2006
  • 3篇2005
  • 2篇2004
  • 1篇2003
7 条 记 录,以下是 1-7
排序方式:
基于决策树构造神经网络的方法及应用被引量:5
2004年
基于知识的神经网络KBNN(Knowledge-BasedNeuralNetwork)在提高神经计算性能方面效果显著,其构造方法基于已得的规则.利用决策树对数值数据的分割能力和神经网络准确的逼近收敛能力,提出了一种利用C4.5决策树从数据中自动提取规则生成神经网络的构造方法.该方法易于构造、收敛速度快、精度较高,在高速公路路面破损智能识别系统中使用效果良好.
李宁谢振华商琳陈世福
关键词:决策树神经网络神经计算基于知识
粗糙集和神经网络结合技术的研究综述
本文对有关粗糙集与神经网络相结合的研究现状、关键技术和发展趋势进行综述,主要内容包括:①粗糙集用于数据预处理;②粗糙集用于神经元设计;③粗糙集用于神经网络结构设计。最后结合国内外研究成果,给出了一个三维应用框架。
谢振华商琳李宁王金根陈世福陈兆乾
关键词:粗糙集神经网络数据预处理
文献传递
基于粗糙集属性约减和神经网络集成的人脸识别技术被引量:3
2005年
提出了一种基于粗糙集的属性约简方法对经由PCA处理后的人脸特征进行提取,随后使用一种神经网络集成的方法对约简后的人脸数据进行识别。实验结果表明,使用该方法约简后的数据与使用仅由PCA处理后的数据相比,两者获得的识别精度基本相同,而前者的数据属性维数远小于后者,从而大大降低了识别过程的复杂程度。
万琼商琳李宁谢振华陈兆乾
关键词:人脸识别粗糙集神经网络集成
粗糙集在神经网络中应用技术的研究被引量:20
2004年
通过对有关粗糙集与神经网络相结合的研究现状,关键技术和发展趋势进行分析,给出了一个三维应用框架,并介绍了粗糙集用于数据预处理、神经元设计和粗糙集用于神经网络结构设计几个方面的应用现状,并给出了粗糙集在神经网络中应用的关键技术。
谢振华商琳李宁王金根陈世福
关键词:粗糙集神经网络粗糙神经网络
一种新型的神经网络构造方法RCBNN
2005年
一个好的神经网络结构可以大大提高它的处理能力和收敛速度,所以神经网络的构造方法一直是人们研究的热点问题。本文利用粗集理论的数据分析能力和决策树对数值属性的分割能力,提出一种基于粗集与决策树的新型神经网络构造方法RCBNN。经试验表明,使用该方法构造的神经网络,具有易于构造、可理解性好、收敛速度快且构造的网络规模较小的特点。
谢振华李宁商琳陈兆乾陈世福
关键词:神经网络粗集决策树神经网络结构收敛速度粗集理论
神经网络与粗集、进化计算结合技术的研究
神经网络一直是人工智能研究的一个重点,粗集和进化计算是人工智能的新兴领域。本文在研究神经网络的结构设计方面,结合了粗集理论和进化计算这些新兴领域的方法,提出了两个新的神经网络结构设计方案,分别是RCBNN算法和SEFNN...
谢振华
关键词:粗糙集理论进化计算神经网络遗传算法
文献传递
SEFNN:一种基于结构进化的前馈神经网络设计算法被引量:7
2006年
遗传算法是一种模拟自然选择和进化的随机搜索算法,它的搜索能够遍及整个解空间,容易得到全局最优解.目前主要的编码方式都是将结构和连接权值等信息编码成串式的基因,这不利于在遗传过程中保留个体的子结构信息,也难于设计兼顾基因型与表现型的遗传算子;在前馈神经网络的进化中引入BP训练方面,也不分良莠对所有后代进行训练,形成资源浪费.为克服这些问题,提出了一种基于结构进化的前馈神经网络设计算法SEFNN,该算法使用一种紧缩矩阵编码、新型结构化交叉算子、修订的变异算子和精英训练法则,充分考虑了基因型与表现型之间的关系,适当加大变异搜索速度,并采用选拔训练方式,从而提高了进化神经网络的效率.实验表明该算法获得的解无论在网络规模还是测试精度上都有优越的性能表现,并已应用于肺癌早期细胞病理诊断系统,具有良好的效果.
李宁李宁谢振华谢俊元
关键词:遗传算法神经网络BP算法结构进化
共1页<1>
聚类工具0