【作者】 王洪岩； 朱峰； 张雪峰； 李玉倩； 安爽； 徐心和；

【Author】 WANG Hong-yan~1 ZHU Feng~(2a) ZHANG Xue-feng~(2a) LI Yu-qian~3 AN Shuang~(2a) XU Xin-he~(2b) 1.Department of Basic Course,Liaoning Institute of Science and Technology,Benxi 117100,China; 2a.College of Science, 2b.College of Information Science and Engineering,Northeastern University,Shenyang 110004,China; 3.College of Mathematics and Computer,Xiangtan University,Xiangtan 411105,China.

【机构】 辽宁科技学院 基础部； 东北大学 理学院； 湘潭大学 数学与计算科学院； 东北大学 信息科学与工程学院；

【摘要】 首先根据粗糙集的分类方法对不同局面的分类,得到相应的等价关系,消去冗余信息并对其进行分类和规则提取;然后根据这些规则构造神经网络隐含层的神经元个数,确定粗神经网络结构;最后初始化所有权值,再将粗糙集约简的结果作为粗神经元网络的输入,对神经元网络进行训练,得到神经网络结构．实验结果证明,训练结果提高了计算机博弈系统程序的性能和系统的棋力．更多还原

【Abstract】 The different phases are classified corresponding relation of equivalence is gained,and attribute set is reduced based on rough set(RS)in order to get the decision rules.Then according to the number of nerve center in the connotative floor of rough neural networks(RNN),the configuration of RNN is ensured.At last,all coefficients are initialized,and then the result of reduction by RS is made as the import of RNN.By training RNN,the framework of RNN is gained.The result of experiment shows that RNN can improve the capability of Chinese chess computer game program.更多还原