最大—乘积型模糊联想记忆网络的最大最小编码学习算法

提出了最大－乘积型模糊联想记忆网络的最大最小编码学习算法,新算法可以记忆任意多个自联想模式,对于异联想模式,给 种以最大最小编码算法为基础,近似求解网络连接权阵的梯度下降学习算法,这种方法可用于解最大乘积型模糊关系方程,计算机模拟实验证有效性。     

一种简单的区间回归的神经网络方法

本文提议了一种区间回归的神经网络方法。与已有的方法相比．它的量大特点是网络模型及其学习算法都比较简单。仿真实例裹明所提议的方法的有效性。     

基于区间值模糊集的学习空间描述及其模糊归纳学习算法研究

本文基于区间值模糊集理论，将归纳学习空间予以模糊化，使其更具有普遍性。为了度量概念的可学习性能，新定义了区分区间概念。运用对基本事件空间划分的加细操作，来改进要学习的概念之区分区间值，并进而改进其归纳学习效果。据此，本文提出了模糊归纳学习问题的模糊学习算法ＩＬＡ。算法ＩＬＡ能根据专家提供的有关概念实例集，学习出关于概念的模糊推理规则。文中最后还对ＩＬＡ的算法复杂度进行了分析。     

一个符号神经网络的学习算法

本文首先根据神经科学和认知科学的研究，提出了一种符号神经网络结构，该结构溶符号机制和神经网络于一体，然后在此基础上研究了其学习算法，该算法结合神经网络ＢＰ学习算法和符号机制中学习算法的特点；最后通过实验，证实该算法的可行性和先进性。     

基于扩展卡尔曼滤波的FLANN网络学习算法

针对函数连接型神经网络(FLANN)误差反传(BP)学习算法存在收敛速度慢和容易陷入局部极小值等问题,结合扩展卡尔曼滤波(EKF)理论,提出了一种基于扩展卡尔曼滤波的FLANN网络学习算法.新算法把网络的权值作为EKF的状态,网络的输出作为EKF的观测,通过扩展卡尔曼滤波算法来调整网络权系数从而获得最优网络状态,即网络权系数的最优估计.仿真结果表明,新算法比BP学习算法在收敛速度和稳态误差性能等方面都得到了大大提高.     

最大--乘积型模糊联想记忆网络的最大最小编码学习算法

提出了最大─乘积型模糊联想记忆网络的最大最小编码学习算法,新算法可以记忆任意多个自联想模式。对于异联想模式,给出了一种以最大最小编码算法为基础,近似求解网络连接权阵的梯度下降学习算法,这种方法可用于解最大乘积型模糊关系方程。计算机模拟实验证实了算法的有效性。     

径向基函数网络的ABS投影学习算法

Ｂｒｏｏｍｈｅａｄ（１９８８），Ｃｈｅｎ（１９９１）等人提出的ＲＢＦ网络的学习算法都是基于传统的ＬＭＳ算法，因此具有一定的局限性。本文提出了一种新的ＲＢＦ网络的学习算法－ＡＢＳ投影学习算法，它是一种直接的学习算法。计算机模拟的结果表明，它具有学习效率高，识别率高和适用范围广的优点。     

多层前馈神经网络快速学习算法的实现

本文评述优化学习率BP(Back Propagation)算法,给出应用研究中几种常用网络结构的优化学习率的计算公式,讨论与算法实现相关的一些问题.模拟实验结果进一步揭示算法的快速性质.     

一种模糊神经网络智能控制器及其应用

本文提出了一种模拟推理神经网络模型，并用于实现模糊控制，在此基础上提出了基于模糊神经网络的自组织控制器和有效的快速Ｋａｌｍａｎ学习算法，经仿真结果和实际温度控制表明，这种新型的自组织控制器性能优于一般Ｆｕｚｚｙ自组织控制器。     

基于区间二型模糊神经网络的垂直切换算法

在超密集异构无线网络中,针对传统垂直切换算法无法同时描述网络状态的模糊性和随机性,导致网络性能得不到有效提升的问题,提出一种基于区间二型模糊神经网络的垂直切换算法.重构了两阶段判决算法:在网络预筛选阶段,定义了历史接入率,结合当前候选网络集的数目设置阈值.根据接收信号强度和剩余可用带宽,对用户接收范围内的所有网络进行初步筛选;再在垂直切换判决阶段,将剩余候选网络的时延,丢包率以及误码率作为区间二型模糊神经网络的输入,利用前馈神经网络的结构完成模糊逻辑推理,经训练之后计算得到输出判决值,从而选择最佳接入网络.实验结果表明,该算法能在保证时间开销较低的同时,有效降低切换决策的错误概率,减少切换失败和切换次数,提升网络总吞吐量.     

BP神经网络学习算法的联合优化

针对ＢＰ网络学习速度的缓慢性,本文提出了一种联合优化后的快速学习算法。其改进具体表现在以下方面：（１）采用Ｃａｕｃｈｙ误差估计器代替传统的ＬＭＳ误差估计器,（２）对常规的Ｓｉｇｍｏｉｄ函数引入形态因子;（２）采用非单调线性搜索法实现学习步长的自适应变化。最后,本文以模式分类,函数逼近和数据压缩的典型应用为例分别与标准ＢＰ常规改进算法进行比较,验证了该算法的优越性。     

基于信息叠加的学习算法

提出了一种基于信息叠加的迭代学习算法。该算法利用协同神经网络中的原型模式具有信息的 性,将学习中误识率最高 的模式作为反馈量来修正原型模式。利用实际采集得到的样本对新算法进行的测试表明：新算法具有最优搜索能力强,训练时间短的特点。另外,将新算法与基于遗传算法的原型模式选取算法在网络训练性能上进行了比较。     

快速和高精度的前馈网络学习算法

本文针对三层前馈网络提出一种全新的学习算法,该法克服了传统ＢＰ算法因用梯度下降和误差逆向传播而拖慢收敛速度及易陷于局部极小的缺点。所提出的算法是代数型的,计算复杂度为多项式阶。文中给出的一个非线笥时间序列训练算例表明：新算法较ＢＰ算法在计算精度和速度方面均有大幅度提高,在网络规模变大时此算法的优点尤为明显。     

电路容差分析的区间迭代算法

本文建立了电路容差分析方程,提出了区间迭代的算法。 在电路参数的容差不大时,此法收敛于包含有容差方程解集的n维区间。为了使n维区间接近于解集的区间壳,文中给出了一个修正算法并对建立合适的电路方程进行了讨论。     

径向基函数神经网络的再学习算法及其应用

为了应用径向基函数神经网络逐步地识别待研究系统,文章针对径向基函数神经网络的再学习算法开展了深入的研究.应用严格的数学推理方法,将径向基函数神经网络的再学习问题转化为矩阵求逆的附加运算.详细给出了径向基函数神经网络再学习算法中增加新训练样本和增加新基函数的数学公式,同时对如何获取新的训练样本进行了研究.     

基于区间值模糊逻辑神经元的区间值模糊C-均值聚类神经网络

本文提出了一种基于区间值模糊逻辑神经元的三层前馈自组织学网络模型，用来实现区间值模糊Ｃ－均值聚类分析，网络第一，二层神经元的输入，输出和权连续取值属于区间值模糊集Ｉ（０，１）第一层神经元为区间值线性神经元；第二层为区间值模糊相等神经元，其功能是实现输入样本与各类的匹配运算，本文采用区间值模糊相等关系作为匹配的指标，为了定义区间值模糊相等神经元，本文在点值模糊相等关系的基础上推导了区间值模糊相等关系     

径向基函数网络的ABS投影学习算法

Broomhead(1988),Chen(1991)等人提出的RBF网络的学习算法都是基于传统的LMS算法,因此具有一定的局限性。本文提出了一种新的RBF网络的学习算法ABS投影学习算法,它是一种直接的学习算法。计算机模拟的结果表明,它具有学习效率高,识别率高和适用范围广的优点。     

遥感图像分类的神经网络并行学习算法

本文提出了一种基于Ｋａｌｍａｎ滤波方法的神经网络并行学习算法，模拟实验表明，这种学习算法加快了网络遥感图像分类的收敛速度和精度。     

布尔神经网络的一种高效率学习算法

把二进神经网络学习算法推广至一般情形,利用汉明球及立方体的空间覆盖生成隐层神经元并对空间集合的相交、汉明球与低维空间的笛卡尔积在神经网络中的表现形式进行了深入探讨,得出几个旨在提高学习效率和减少布尔函数实现复杂性的有用结论,并融合形成完整的学习算法。