[发明专利]一种神经网络及该神经网络的学习方法

摘要

本发明提供一种神经网络的学习方法，包括：初始化输入样本集和样本的标识集，其中，所述输入样本集是全部已标识样本、全部未标识样本及已标识和未标识混合样本中的一种；随机抽取一个输入样本，重新训练网络，直至样本集中的样本全部取完。本方法从一个新的角度上探索了模糊神经网络的应用范围问题，分析了模糊神经网络分类器在选择训练样本时，可采用的更加实际和广泛的学习方法。该学习方法相对于原有的学习方法而言，所需选择的样本范围更加扩大，实用性也大大增强，更加接近人类的学习方法，并且有效的提高了模糊神经网络的分类效果，填补了模糊神经网络训练样本学习方法的空白。

主权项

一种神经网络，其特征在于，包括：输入层，其包括2*n个输入节点，所述输入节点以对呈现，每对节点表示输入模式的最小‑最大点，n为正整数；超盒模糊集合，其与所述输入层的输入节点包含了超盒的最小点信息和最大点信息；类别节点，其表示所述超盒模糊集合的类型信息。