| 一种改进的ART型神经网络学习算法 |
| |
| 引用本文： | 杨兴,朱大奇,桑庆兵.一种改进的ART型神经网络学习算法[J].微机发展,2006,16(9):27-29. |
| |
| 作者姓名： | 杨兴 朱大奇 桑庆兵 |
| |
| 作者单位： | 江南大学控制科学与工程研究中心 江苏无锡214122(杨兴，朱大奇)，江南大学信息工程学院 江苏无锡214122(桑庆兵) |
| |
| 基金项目： | 江苏省自然科学基金资助项目(BK2004021)，教育部科学技术研究重点项目(105088) |
| |
| 摘 要： | 指出常规ART1型神经网络的不足,提出了一种改进的相似度计算方法。它同时考虑两向量对应位子值,避免了ART1网络中两个向量由于输入顺序的不同而得到不同的相似度的结果;针对ART1网络模式识别的漂移问题,提出了少数服从多数原则来减少这种问题的出现。改进了ART1型神经网络的应用效果。
|
| 关 键 词： | 神经网络 自适应共振理论 模式分类 模式漂移 |
| 文章编号： | 1673-629X(2006)09-0027-03 |
| 修稿时间： | 2005年12月19 |
An Improved ART Neural Network Learning Algorithm |
| |
| YANG Xing,ZHU Da-qi,SANG Qing-bing.An Improved ART Neural Network Learning Algorithm[J].Microcomputer Development,2006,16(9):27-29. |
| |
| Authors: | YANG Xing ZHU Da-qi SANG Qing-bing |
| |
| Affiliation: | YANG Xing~1,ZHU Da-qi~1,SANG Qing-bing~2 |
| |
| Abstract: | The shortage of traditional ART1 neural network is indicated,and an improved calculating method of comparability is presented.The corresponding place value of two vectors is considered in this method.The method avoids the different result of ART1 neural network because of inputting different sequence.In order to solve pattern-drafting problem of ART1 neural network,the principle of minority subordinate to majority is proposed to reduce the appeared problem.They improve the applicative effect of ART1 neural network. |
| |
| Keywords: | neural network adaptive resonance theory pattern recognition pattern drafting |
| 本文献已被 CNKI 等数据库收录！ |
