论文部分内容阅读
本文主要描述了一个增量式混合型多概念获取系统HMCAS,它提出了一个基于概率论的符号学习与神经网络学习相结合的学习算法,能从隶属于某个概念集的实例集中归纳出满足用户精度要求的,以浊合型判定树表示的概念描述。在HMCAS中,符号学习与神经网络学习具有结合紧密的转换灵活等特点,具有较高的学习效率和较强的归纳能力以及增量学习能力。HMCAS的神经网络学习可选择BP网络或FTART网络,其推理机制提供了混