食品安全spssau数据的融合及分类技术综述(八)

浏览: 作者: 来源: 时间:2019-11-30 分类:论文写作技巧
近几年人工智能方法蓬勃发展,被应用在多个领域。尤其在spssau数据(或者spss论文)融合领域应用十分广泛。人工智能方法一般包括:神经网络、遗传算法、逻辑模糊法等。

(四)人工智能方法

近几年人工智能方法蓬勃发展,被应用在多个领域。尤其在spssau数据(或者spss论文)融合领域应用十分广泛。人工智能方法一般包括:神经网络、遗传算法、逻辑模糊法等。

1)神经网络方法

神经网络可以对复杂的非线性映射进行模拟,它具有运算速度快、适应能力强、容错率高等特点,使得神经网络能够很好地适应多源数据融合的处理要求。BP(Back Propagation)神经网络是目前使用最普遍的一种神经网络,它能够采用梯度搜索技术对输入的样本进行学习。基于神经网络方法,文献[20]提出了一种粗糙集结合 BP 神经网络的数据融合方法,该方法缩减了 BP 神经网络的规模,提高了数据融合的效率,相比于传统的神经网络融合系统,具有较强的有效性。文献[21]提出基于 Mam dani 模糊推理的神经无网络,并应用于通侦信息融合系统。通过实验证明该方法同时具备模糊集理论和神经网络的优点,相比于贝叶斯、

DS,该方法不需要给出先验概率。运用神经网络方法实现食品安全spssau数据(或者spss论文)融合,可以仅仅依赖食品安全原始数据样本,从而大大降低了食品安全数据的处理代价。但是,由于网络网络节点较多,训练需要大量的计算量和时间。另外,由于该方法对食品安全spssau数据(或者spss论文)的融合效果不是太理想,因此将神经网络与其他理论相结合还需要进一步的改进。本站专业提供spss数据分析、stata数据分析和eviews数据分析服务。

 

摘自:食品安全spssau数据的融合及分类技术综述