人工神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的潛在應(yīng)用(更新版)
【正文】 、基于反向傳播的數(shù)據(jù)挖掘在一些情況下，BP神經(jīng)網(wǎng)絡(luò)可能是一個好主意：1．大量的輸入/輸出數(shù)據(jù)是可用的，但是你不知道如何將它與輸出聯(lián)系起來。圖4：使用描述性的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘過程C、基于ART2的數(shù)據(jù)挖掘聚類分析是數(shù)據(jù)挖掘領(lǐng)域的一個重要的研究課題，它是數(shù)據(jù)挖掘的一個主要任務(wù)。多關(guān)注被用來從訓(xùn)練的神經(jīng)網(wǎng)絡(luò)規(guī)則解決這個問題。然而，它可以方便的，因?yàn)樗磔斎氲臄?shù)據(jù)流處理模型內(nèi)的學(xué)習(xí)。圖3：SOM神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用如圖3，處理后的SOM用于提取數(shù)據(jù)定性或定量的信息。SOM的輸出強(qiáng)調(diào)數(shù)據(jù)的顯著特征和隨后導(dǎo)致類似的數(shù)據(jù)項群的自動生成。神經(jīng)網(wǎng)絡(luò)：本質(zhì)是歸納。神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)處理方法本質(zhì)上是平行的。四、傳統(tǒng)方法的信息處理與神經(jīng)網(wǎng)絡(luò)在這一部分中比較傳統(tǒng)的方法和神經(jīng)網(wǎng)絡(luò)的信息處理。在每一層的PE之間有一個與之相關(guān)的重量（參數(shù)）聯(lián)系著他們。有監(jiān)督的神經(jīng)網(wǎng)絡(luò)使用培訓(xùn)和測試數(shù)據(jù)建立一個模型。具體的決策樹方法包括分類與回歸樹（CART）和卡方自動交互檢測（CHAID）。而神經(jīng)網(wǎng)絡(luò)是解決許多現(xiàn)實(shí)世界的問題的一個有力的技術(shù)。例如，超市會對將消費(fèi)者的購買習(xí)慣的數(shù)據(jù)集合起來。這應(yīng)該在項目的生命周期中盡早考慮，甚至可行性研究。鑒于目前的行業(yè)狀態(tài)，神經(jīng)網(wǎng)絡(luò)作為一個工具盒在數(shù)據(jù)挖掘領(lǐng)域是非常有價值的一點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的潛在應(yīng)用摘要：隨著存儲在文件，數(shù)據(jù)庫，和其他的庫中的數(shù)據(jù)量巨大，數(shù)據(jù)正在變得越來越重要，開發(fā)用于分析或解釋這些數(shù)據(jù)和用于提取有趣的知識的強(qiáng)有力的手段可以幫助決策。在本論文中，調(diào)查探索人工神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘技術(shù)的應(yīng)用，關(guān)鍵技術(shù)和實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘研究方法。內(nèi)部審計人員需要了解數(shù)據(jù)挖掘工具的不同種類和推薦的工具，滿足組織電流檢測的需要。關(guān)聯(lián)規(guī)則的學(xué)習(xí)：變量之間的關(guān)系搜索。最初的數(shù)據(jù)挖掘應(yīng)用中神經(jīng)網(wǎng)絡(luò)不被使用是由于其結(jié)構(gòu)復(fù)雜，訓(xùn)練時間長，且操作性較差。這些決定產(chǎn)生數(shù)據(jù)集的分類規(guī)則。有兩種主要神經(jīng)網(wǎng)絡(luò)模型：監(jiān)督神經(jīng)網(wǎng)絡(luò)，如多層感知器或徑向基函數(shù)，和無監(jiān)督神經(jīng)網(wǎng)絡(luò)如Kohonen特征圖等。PE從外面的世界或者上一層接收輸入。神經(jīng)網(wǎng)絡(luò)可以在平行的硬件中實(shí)現(xiàn)。B）處理技術(shù)：順序和并行傳統(tǒng)方法：TA的處理方法本質(zhì)上是連續(xù)的。使用該系統(tǒng)，包括一個演繹推理的過程，對于一個給定的情況下應(yīng)用廣義的知識。五、基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘A、基于自組織映射的數(shù)據(jù)挖掘（SOM）自組織映射（SOM）在可視化的高維度中被認(rèn)為是非常有效的一種先進(jìn)的可視化工具，各種功能包括數(shù)據(jù)之間的內(nèi)在關(guān)系，復(fù)雜的數(shù)據(jù)。SOM已在各種軟件工具和庫廣泛實(shí)施。這是沒有必要的代表這樣一個模糊系統(tǒng)應(yīng)用學(xué)習(xí)算法，它。但這個系統(tǒng)是無法解釋的知識嵌入在訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)是該技術(shù)的一個主要缺點(diǎn)。大多數(shù)研究人員提取的ifthen型關(guān)聯(lián)規(guī)則，因?yàn)橄鄬ζ渌谋硎舅麄兏芾斫馊祟悺Ｎ覀兛梢詫⒃跀?shù)據(jù)挖掘中的瀏覽模式的ART2神經(jīng)網(wǎng)絡(luò)記錄在Web日志數(shù)據(jù)。這個整體效益，人工神經(jīng)網(wǎng)絡(luò)供應(yīng)了一個強(qiáng)大的和令人興奮的工具，應(yīng)用在數(shù)據(jù)挖掘領(lǐng)域內(nèi)，來提高數(shù)據(jù)挖掘過程的能
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1