English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 51296/86402 (59%)
造訪人次 : 8162983      線上人數 : 60
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/95822


    題名: 變動輸入項之乏確類神經系統
    作者: 劉虎城;蔣定安;陳木華;簡肇胤
    貢獻者: 淡江大學資訊工程學系
    關鍵詞: 類神經網路;模糊集合理論;人工智慧;模糊類神經網路;資料探勘;Neural Network;Fuzzy Set Theory;Artificial Intelligence;Fuzzy Neural Network;Data Mining
    日期: 1999-12
    上傳時間: 2014-02-13
    摘要: 類神經網路(NeuralNet)推論模式一般是以輸入個體表現或環境因素利用其設計之模式來推論預測值,但對於新的輸入項目則需要利用原設計之模式來重新建構新的模式。本文利用則是乏確(Fuzzy)之分析模式、類神經網路架構與學習的方式,提出一個全新的乏確類神經網路。當有新的個體加入或個體的移除時,不需全部重新建構新的模式即可推測。我們的推論預測方式,可利用部份個體表現之變動推測其他個體表現之潛在變動方向;亦可輸入新的預測環境因素來觀察個體表現之變化,以了解潛在因素對個體表現之影響,以幫助決策之判斷。本文以一般投資大眾投資債券型基金之行為,推測潛在未投資而可能投資行為。對於歷史資料經學習調整後,準確度達99.2%,由此證明本文設計模式之可行性。
    類神經網路(NerualNet)推論模式一般是以輸入個體表現或環境因素利用其設計之模式來推論預測值,但對於新的輸入項目則需要利用原設計之模式來重新建構新的模式。本文利用則是乏確(Fuzzy)之分析模式、類神經網路架構與學習的方式,提出一個全新的乏確類神經網路。當有新的個體加入或個體的移除時,不需全部重新建構新的模式即可推測。我們的推論預測方式,可利用部分個體表現之變動推測其他個體表現之潛在變動方向;亦可輸入新的預測環境因素來觀察個體表現之變化,以了解潛在因素對個體表現之影響,以幫助決策之判斷。本文以一般投資大眾投資債券型基金之行為,推測潛在未投資而可能投資行為。對於歷史行資料學習調整後,準確度達99.2%,由此證明本文設計模式之可行性。
    關聯: 全國計算機會議論文集(二)=Proceedings of the 1999 National Computer Symposium ( II ),頁B214-B220
    顯示於類別:[資訊工程學系暨研究所] 會議論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    變動輸入項之乏確類神經系統_中文摘要.docx19KbMicrosoft Word83檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋