人工神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的潛在應(yīng)用(編輯修改稿)
2024-10-01 10:21 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 本質(zhì)上是連續(xù)的。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。在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中每個(gè)神經(jīng)元與其他神經(jīng)元功能平行。C）學(xué)習(xí)：靜態(tài)和動(dòng)態(tài)以及外部與內(nèi)部的傳統(tǒng)方法：學(xué)習(xí)是發(fā)生在系統(tǒng)外。在系統(tǒng)外部獲得知識(shí)，然后編碼到系統(tǒng)。神經(jīng)網(wǎng)絡(luò)：學(xué)習(xí)是系統(tǒng)和它的設(shè)計(jì)的一個(gè)組成部分。知識(shí)作為神經(jīng)元之間的連接強(qiáng)度被存儲(chǔ)，它是一個(gè)數(shù)據(jù)集學(xué)習(xí)這些權(quán)重時(shí)神經(jīng)網(wǎng)絡(luò)的工作所展示出來(lái)的。D）推理方法：演繹與歸納傳統(tǒng)方法：本質(zhì)是演繹。使用該系統(tǒng)，包括一個(gè)演繹推理的過(guò)程，對(duì)于一個(gè)給定的情況下應(yīng)用廣義的知識(shí)。神經(jīng)網(wǎng)絡(luò)：本質(zhì)是歸納。構(gòu)建了它的數(shù)據(jù)的一種內(nèi)在的知識(shí)基礎(chǔ)。它概括了從數(shù)據(jù)，這樣當(dāng)它提出了一個(gè)新的數(shù)據(jù)集，它可以做出一個(gè)基于廣義內(nèi)部知識(shí)的決策。E）知識(shí)表示：外顯與隱式傳統(tǒng)方法：它代表一個(gè)顯式的知識(shí)。規(guī)則和關(guān)系可以被檢查和修改。神經(jīng)網(wǎng)絡(luò)：知識(shí)在神經(jīng)元之間的互連強(qiáng)度的形成時(shí)被存儲(chǔ)。在系統(tǒng)中沒(méi)有一個(gè)可以拿起一塊計(jì)算機(jī)代碼或一個(gè)數(shù)值作為一個(gè)可識(shí)別的知識(shí)。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(xiàng)群的自動(dòng)生成。這種特殊的會(huì)議讓他們有資格成為潛在的候選人完成數(shù)據(jù)挖掘任務(wù)，包括分類和聚類的數(shù)據(jù)項(xiàng)。“學(xué)”的SOM可以作為重要的可視化的援助，因?yàn)樗o出了一個(gè)完整的圖像數(shù)據(jù)；相似的數(shù)據(jù)項(xiàng)會(huì)自動(dòng)組合在一起。自組織映射（SOM）已被證明在數(shù)據(jù)的可視化和探索領(lǐng)域內(nèi)最強(qiáng)大的算法之一。應(yīng)用領(lǐng)域包括各種領(lǐng)域的科學(xué)和技術(shù)，例如，復(fù)雜的工業(yè)過(guò)程，電信系統(tǒng)，文件和圖像數(shù)據(jù)庫(kù)，甚至是金融領(lǐng)域中的應(yīng)用。SOM映射到高維輸入向量的二維網(wǎng)格原型并且命令他們。對(duì)人類的翻譯來(lái)說(shuō)，有序的原型向量更易于原來(lái)的數(shù)據(jù)可視化和探索。SOM已在各種軟件工具和庫(kù)廣泛實(shí)施。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。可視化和聚類提供定性信息，同時(shí)監(jiān)測(cè)定量的信息，從而得到系統(tǒng)的行為的深層理解。B、基于神經(jīng)模糊的數(shù)據(jù)挖掘一個(gè)神經(jīng)模糊系統(tǒng)是基于一個(gè)模糊系統(tǒng)的學(xué)習(xí)算法接受來(lái)自神經(jīng)網(wǎng)絡(luò)理論。學(xué)習(xí)程序運(yùn)行在本地信息，并在底層的模糊系統(tǒng)只造成局部修改。一個(gè)神經(jīng)模糊系統(tǒng)可以被看作是一個(gè)三層前饋神經(jīng)網(wǎng)絡(luò)。第一層是輸入變量，中間層是（隱藏的）模糊規(guī)則,第三層表示輸出變量。模糊集被編碼為（模糊）的連接權(quán)值。這是沒(méi)有必要的代表這樣一個(gè)模糊系統(tǒng)應(yīng)用學(xué)習(xí)算法，它。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)。有時(shí)用五層建筑，在模糊集的第二和第四層的單位。一個(gè)神經(jīng)模糊系統(tǒng)總是可以解釋為一個(gè)模糊規(guī)則系統(tǒng)。也可以創(chuàng)建系統(tǒng)的從零開(kāi)始的訓(xùn)練數(shù)據(jù)，它可能初始化它的先驗(yàn)知識(shí)的模糊規(guī)則表?？紤]到系統(tǒng)神經(jīng)模糊系統(tǒng)的學(xué)習(xí)過(guò)程需要基本模糊語(yǔ)義性質(zhì)。這個(gè)結(jié)果限制適用于系統(tǒng)參數(shù)的修改。神經(jīng)網(wǎng)絡(luò)在分類上準(zhǔn)確度高，預(yù)測(cè)和許多其他應(yīng)用在文獻(xiàn)中提出。但這個(gè)系統(tǒng)是無(wú)法解釋的知識(shí)嵌入在訓(xùn)練后的神經(jīng)
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1