项目名称: 基于改进的概率神经网络的分类预测方法的理论、算法与应用研究

项目编号: No.71271070

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 管理科学

项目作者: 吴冲

作者单位: 哈尔滨工业大学

项目金额: 54万元

中文摘要: 针对概率神经网络的优缺点特征,对该方法进行改进,设计相应的机制发挥该方法的优点,在一定程度和应用背景下,克服其缺点,以提供一个高效、准确、适用性强的新分类预测方法。本项目建立三种可通过训练来修正的网络参数得到椭圆概率神经网络,推导椭圆概率神经网络的学习规则。研究模糊值概率神经网络在一个紧集上能否以任意精度逼近在水平收敛,send-图度量导出的收敛等常见收敛结构下的连续模糊值函数。如果可以或在一定条件下可以,给出这种实现的具体步骤。在概念漂移的概念基础上,研究适用于椭圆概率神经网络的多分类器集成方法,并对算法的误差率、可行性、准确性及复杂度进行理论分析,基于该分类预测新方法进行实证研究. 讨论椭圆概率神经网络与模糊理论相结合的机制与算法,讨论在模糊语义下模型的训练问题,并进行实证分析。其研究成果将发展分类预测方法,提高分类预测的信息提取能力,提高其准确率, 解决分类对象属性时变性的问题.

中文关键词: 分类预测;椭圆概率神经网络;多分类器集成;模糊概率神经网络;财务危机预测

英文摘要: For the advantage and disadvantage characteristics of the probabilistic neural network, we improve this method, design the appropriate mechanisms for its advantages, and to a certain extent and the application context, overcome its shortcomings in order to provide an efficient, accurate and adaptable new classification prediction method. This project establishes three network parameters that can be corrected through training to get the oval probabilistic neural network and derives the learning rules of the oval probabilistic neural network. We explore whether the fuzzy probabilistic neural network can approximately convergence horizontally in a compact set in an arbitrary precision, and studies the common continuous fuzzy value functions like the send-diagram metrics exported convergence in the structure of convergence. We will give the specific steps of this implementation under certain conditions. Based on the definition of the concept drift, we study multiple classifier ensemble applied to the oval probabilistic neural network, and make the theoretical analysis of the error rate of the algorithm, the feasibility, accuracy and complexity, and do the empirical research based on the new classification prediction method. We discusse the mechanisms and algorithms to combine the oval probabilistic neural network an

英文关键词: Classification prediction;oval probabilistic neural networks;multiple classifier ensemble;fuzzy probabilistic neural network;financial distress prediction

成为VIP会员查看完整内容
0

相关内容

专知会员服务
211+阅读 · 2021年8月2日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
44+阅读 · 2021年5月24日
基于机器学习的数据库技术综述
专知会员服务
53+阅读 · 2021年1月2日
专知会员服务
57+阅读 · 2020年12月6日
专知会员服务
219+阅读 · 2020年8月1日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
神经网络,凉了?
CVer
2+阅读 · 2022年3月16日
神经网络的基础数学,95页pdf
专知
26+阅读 · 2022年1月23日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
常用的模型集成方法介绍:bagging、boosting 、stacking
综述 | CVPR2019目标检测方法进展
计算机视觉life
15+阅读 · 2019年4月3日
Python & 机器学习之项目实践 | 赠书
人工智能头条
14+阅读 · 2017年12月26日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
机器学习之确定最佳聚类数目的10种方法
炼数成金订阅号
13+阅读 · 2017年10月12日
机器学习(17)之集成学习原理总结
机器学习算法与Python学习
19+阅读 · 2017年9月16日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
7+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
12+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
10+阅读 · 2020年6月12日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
24+阅读 · 2018年10月24日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
19+阅读 · 2018年6月27日
小贴士
相关主题
相关VIP内容
专知会员服务
211+阅读 · 2021年8月2日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
44+阅读 · 2021年5月24日
基于机器学习的数据库技术综述
专知会员服务
53+阅读 · 2021年1月2日
专知会员服务
57+阅读 · 2020年12月6日
专知会员服务
219+阅读 · 2020年8月1日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
相关资讯
神经网络,凉了?
CVer
2+阅读 · 2022年3月16日
神经网络的基础数学,95页pdf
专知
26+阅读 · 2022年1月23日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
常用的模型集成方法介绍:bagging、boosting 、stacking
综述 | CVPR2019目标检测方法进展
计算机视觉life
15+阅读 · 2019年4月3日
Python & 机器学习之项目实践 | 赠书
人工智能头条
14+阅读 · 2017年12月26日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
机器学习之确定最佳聚类数目的10种方法
炼数成金订阅号
13+阅读 · 2017年10月12日
机器学习(17)之集成学习原理总结
机器学习算法与Python学习
19+阅读 · 2017年9月16日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
7+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
12+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
10+阅读 · 2020年6月12日
Position-aware Graph Neural Networks
Arxiv
15+阅读 · 2019年6月11日
Arxiv
24+阅读 · 2018年10月24日
Arxiv
26+阅读 · 2018年8月19日
Arxiv
19+阅读 · 2018年6月27日
微信扫码咨询专知VIP会员