學習算法設計

學習算法設計為加速網路收放，避免系統落人合理的局部極小，針對土地適宜性評價的特點，對一般的學習算法進行改進，將該模型的學習分為兩個階段。

第一階段採用標準的學習算法對各個子網路進行離線訓練，從面構成初始的隸屬函式i 練和測試樣本由經驗確定的隸屬面數生成經驗的不完整性表現為隸具函式的不準確性，將在進一步的訓練中得以改善，第二階段的訓練用以發現規則井最佳化調整隸屬函式，分兩步進行第一步固定隸屬麗數部分的參數，調整規則部分，當網路收放誤差減小且誤差變化率足夠小時，初步的規則得以建立第二步調整所有的網路變數，直至誤差達到全局最小。隸屬函式子網路是普通的理模型，第一階段的學習算法採用常規的P算法。