粒度神经网络原理及应用

本书从两个方面研究了基于粗糙集的粒度神经网络模型。一种方式是使用粗糙集作为前置系统，利用属性约简算法对数据集进行粒度约简，以简化神经网络的结构，提高神经网络的训练速度和预测精度。另一种方式是利用粗糙集及其扩展模型来提取决策规则，根据提取的规则来定义粒度神经元及其连接权值，实现粗糙集和神经网络的无缝融合。此外，本书还研究了每一种粒度神经网络模型的极速学习算法，该算法通过数学变换实现了学习过程的一次性完成。