从人工神经网络中提取规则用于医学诊断问题的算法
摘要：从人工神经网络（ANN）中提取规则用于医学诊断问题的一个新算法：REANN。通过一个标准的三层前向ANN和四阶段的训练，提出了这种算法的基础。在第一阶段，通过一种构造算法自动确定ANN中隐藏节点的数量。在第二阶段，从训练好的ANN中移除不相关的连接和输入节点，而不会降低ANN的预测准确性。第三阶段，使用高效的启发式聚类算法将隐藏节点的连续激活值离散化。最后，通过检查隐藏节点的离散激活值从紧凑的ANN中提取规则。对三个基准分类问题（乳腺癌、糖尿病和镜片）进行的大量实验研究表明，REANN能够从ANN中生成与其他方法在规则数量、规则平均条件数和预测精度方面相媲美的高质量规则。
作者：S. M. Kamruzzaman and Md. Monirul Islam
论文ID：1009.4566
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2010-09-28