文件名称：从神经网络生成回归问题规则的方法-研究论文
文件大小：926KB
文件格式：PDF
更新时间：2024-06-08 14:57:45
Neural Networks Nonlinear Regression Curve
人工神经网络已成功应用于涉及分类和回归的各种业务应用问题。 它们对于回归问题特别有用，因为它们不需要有关数据分布的先验知识。 在许多应用中，希望从受过训练的神经网络中提取知识，以便用户可以更好地了解解决方案。 现有的研究工作主要集中在为分类问题提取符号规则上，而很少有针对回归问题设计的方法。 为了填补这一空白，我们提出了一种从经过训练可以解决回归问题的神经网络中提取规则的方法。 提取的规则将数据样本分为几组。 对于组内的所有样本，数据相关输入属性的线性函数使网络输出近似。 通过有关各种应用程序问题的两个示例说明了该方法。 实验结果表明，与基于决策树和线性回归的现有方法相比，该方法所生成的规则更为精确。